摘要：
一、内容结构 二、笔记 第二章 有限马尔可夫决策的三个基本方法：动态规划、蒙特卡罗方法和时序差分学习 K臂赌博机问题 动作的选择贪心，或者 $\epsilon$概率随机选择策略 增量式实现估计 $Q_{n+1}=Q_{n}+\frac{1}{n}[R_{n}-Q_{n}]$ 估计的更新方式：新估计值 阅读全文
摘要：
一、五十音 1、平假名(Hiragana) あ（a） い（i） う（u） え（e） お（o） か (ka) き (ki) く (ku) け (ke) こ (ko) さ (sa) し (shi) す (su) せ (se) そ (so) た（ta） ち (chi) つ (tu) て (te) と ( 阅读全文