機器學習（三十五）——Actor-Critic, Integrating Learning and Planning（1）
Actor-Critic 概述 MC策略梯度方法使用了收獲作爲狀態價值的估計，它雖然是無偏的，但是噪聲卻比較大，也就是變異性（方差）較高。如果我們能夠相對準確地估計狀態價值，用它來指導策略更新，那麼是不是會有更好的學習效果呢？這就是Actor-Critic策略梯度的主要思想。 Actor-Critic的字面意思是「演員-評論」，相當於演員在演戲的同時，有評論家指點，繼而演員演得越來越好。即使用Cr
相關文章
- 1. 機器學習（三十六）——Integrating Learning and Planning（2）
- 2. 機器學習（三十七）——Integrating Learning and Planning（3）
- 3. Reinforcement learning: integrating learning and planning, exploitation and exploration
- 4. 深度增強學習David Silver（八）——Integrating Learning and Planning
- 5. Planning and Learning
- 6. 【轉載】David Silver公開課8——Integrating Learning and Planning
- 7. 8 Planning and Learning with Tabular Methods
- 8. Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation
- 9. Coursera機器學習課程筆記(1) Supervised Learning and Unsupervised Learning
- 10. 機器學習五：Deep Learning深度學習1
- 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）
- • Kotlin學習（二）基本類型
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. 機器學習（三十六）——Integrating Learning and Planning（2）
- 2. 機器學習（三十七）——Integrating Learning and Planning（3）
- 3. Reinforcement learning: integrating learning and planning, exploitation and exploration
- 4. 深度增強學習David Silver（八）——Integrating Learning and Planning
- 5. Planning and Learning
- 6. 【轉載】David Silver公開課8——Integrating Learning and Planning
- 7. 8 Planning and Learning with Tabular Methods
- 8. Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation
- 9. Coursera機器學習課程筆記(1) Supervised Learning and Unsupervised Learning
- 10. 機器學習五：Deep Learning深度學習1