強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
這一章學習使用on-policy的數據對狀態值函數進行逼近，也就是在策略下估計值函數。這一章的重點在於估計的值函數不是使用表格來表示而是使用參數w的函數形式。一般來說權重參數的數量是遠遠比狀態的數量要小的，而且改變一個權重的大小會影響到很多個狀態值的估計。於是一個值函數的更新會帶來很多其它值函數的改變。這種泛化能力非常有用但更難操作和理解。 而且把強化學習延伸到函數逼近的形式也使得它能夠應用於部分
相關文章
- 1. 強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation
- 2. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 3. 強化學習（RLAI）讀書筆記第四章動態規劃
- 4. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 5. 強化學習系列（九）：On-policy Prediction with Approximation
- 6. 強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
- 7. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 8. 強化學習（RLAI）讀書筆記第十二章資格跡（Eligibility Traces）
- 9. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 10. 強化學習（RLAI）讀書筆記第二章多臂老虎機
- 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。
最新文章
- 1. python的安裝和Hello，World編寫
- 2. 重磅解讀：K8s Cluster Autoscaler模塊及對應華爲雲插件Deep Dive
- 3. 鴻蒙學習筆記2（永不斷更）
- 4. static關鍵字 和構造代碼塊
- 5. JVM筆記
- 6. 無法啓動 C/C++ 語言服務器。IntelliSense 功能將被禁用。錯誤: Missing binary at c:\Users\MSI-NB\.vscode\extensions\ms-vsc
- 7. 【Hive】Hive返回碼狀態含義
- 8. Java樹形結構遞歸（以時間換空間）和非遞歸（以空間換時間）
- 9. 數據預處理---缺失值
- 10. 都要2021年了，現代C++有什麼值得我們學習的？
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation
- 2. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 3. 強化學習（RLAI）讀書筆記第四章動態規劃
- 4. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 5. 強化學習系列（九）：On-policy Prediction with Approximation
- 6. 強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
- 7. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 8. 強化學習（RLAI）讀書筆記第十二章資格跡（Eligibility Traces）
- 9. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 10. 強化學習（RLAI）讀書筆記第二章多臂老虎機