2021年2月4日
NTU 李宏毅 DRL Q-learning
摘要： 这节讲Q-learning。 其实就是介绍了一些Critic，也就是value-based方法的基本思想，首先是MC和TD，我懒得再说一遍了。 这张图介绍了一下MC和TD的差别，MC的步子比较大，而TD则相对更稳健。但是TD作出了一些假设，它信任了之前的值函数，在上一次评估的值函数的基础之上调整，这 阅读全文
posted @ 2021-02-04 15:52 常给自己加个油 阅读(110) 评论(0) 推荐(0) 编辑