策略梯度

在看師兄的論文時，裏面涉及到強化學習的 Policy Gradient 。看了網上好多博客，覺得公式推導太複雜了，斷斷續續地持續了三週。今天靜下心來看了一遍，發現沒有那麼難，果然做學術還是不能浮躁啊！ 前言 強化學習是機器學習的一個分支，但是它與我們常見監督式學習不太一樣。從學習方式上講強化學習更加接近人類的學習，例如當你接觸一款新的電子遊戲的時候，雖然看不懂屏幕的提示，但是經過自己的摸索也能掌握

>>阅读原文<<