強化學習（2）-算法總論
DRL的基本模型： DRL算法大框架： 大腦的執行機構-actor： 輸入狀態s，輸出動作a（policy gradient算法） 大腦的評判機構-critrc：根據回饋r（外界給的）進行調整。（Q learning） 人類也是在本能和價值觀影響作用下進行行爲，並且價值受經驗的影響不斷改變。 在actor-critic的框架下：有DQN、A3C、UNREAL等算法提出。 DQN- 第一個提出的DR
相關文章
- 1. 強化學習概論2
- 2. 2. 強化學習方法彙總
- 3. 強化學習算法的總結
- 4. 強化學習算法分類總結
- 5. 強化學習常用算法總結
- 6. 強化學習算法
- 7. 強化學習DQN算法
- 8. PPO-強化學習算法
- 9. 強化學習算法DQN
- 10. 強化學習——DQN算法
- 更多相關文章...
- • XML 總結 下一步學習什麼呢？ - XML 教程
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • Kotlin學習（一）基本語法
- • 算法總結-回溯法
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
相關文章
- 1. 強化學習概論2
- 2. 2. 強化學習方法彙總
- 3. 強化學習算法的總結
- 4. 強化學習算法分類總結
- 5. 強化學習常用算法總結
- 6. 強化學習算法
- 7. 強化學習DQN算法
- 8. PPO-強化學習算法
- 9. 強化學習算法DQN
- 10. 強化學習——DQN算法