強化學習(2)---馬爾科夫決策
需要知道的一些概念 馬爾科夫決策過程 馬爾科夫鏈 馬爾科夫獎勵過程 馬爾科夫中的價值函數 馬爾科夫決策過程的控制：policy iteration value iteration 基於價值函數的agent：不使用決策函數，在價值函數中推測police 基於police的agent：不使用價值函數 兩個都用 通過模型使用不同分類： 看會否有環境轉移模型 馬爾科夫決策過程是強化學習的基本框架，環境是全
相關文章
- 1. 【深度強化學習】2. 馬爾科夫決策過程
- 2. 強化學習基礎 | (2) 馬爾科夫決策過程(MDP)
- 3. 強化學習(爾) - 馬爾科夫決策過程
- 4. 強化學習簡介及馬爾科夫決策過程
- 5. 強化學習（1）：馬爾科夫決策過程
- 6. 強化學習(二)：馬爾科夫決策過程(Markov decision process)
- 7. 【強化學習】第一篇--馬爾科夫決策過程
- 8. 強化學習之馬爾科夫決策過程 5
- 9. 強化學習（馬爾科夫決策過程）
- 10. 強化學習【二】馬爾科夫決策過程
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
