強化學習 by 李宏毅（個人記錄向)
P2Proximal Policy Optimization (PPO) importance sampling： On-policy -> Off-policy Gradient for update: *KL divergence(KL距離) 常用來衡量兩個概率分佈的距離 E(st,at)∼πθ′ E ( s t , a t ) ∼ π θ ′ Q-learning critic 評價acti
相關文章
- 1. 強化學習--李宏毅
- 2. 李宏毅強化學習筆記【0.強化學習導論】
- 3. 李宏毅強化學習1
- 4. 李宏毅ML+DL學習記錄：RNN
- 5. 李宏毅ML+DL學習記錄：BP
- 6. 李宏毅強化學習學習筆記-policy gradient and PPO
- 7. 【完結】李宏毅深度強化學習筆記（四）Actor-Critic
- 8. 【完結】李宏毅深度強化學習筆記（五）Sparse Reward
- 9. 李宏毅深度強化學習筆記（八）Imitation Learning
- 10. 【李宏毅-強化學習筆記】p1-p2、PPO
- 更多相關文章...
- • ADO 添加記錄 - ADO 教程
- • ADO 更新記錄 - ADO 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
