2020李宏毅學習筆記——67 RL Advanced Version 3.Q-learning（basic idea）
Q-Learning介紹 基本思想 Q-learning – value-base 什麼是Critic: critic並不直接決定採取什麼行動，但是會用來衡量一個actor的好壞 critic的輸出值取決於被評估的actor 狀態價值函數 Vπ(s) 對於actor π , 給定狀態s，期望得到的累積收益，該值取決於狀態s和actor π 如何估計狀態價值函數 Vπ(s) 基於蒙特卡洛的方法Mon
相關文章
- 1. 2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
- 2. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 3. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 4. 2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
- 5. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 6. 2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 7. 2020李宏毅學習筆記——9. Backpropagation
- 8. 機器學習[李宏毅]-筆記3-Basic Concept
- 9. 李宏毅 2020 Machine Learning
- 10. 李宏毅學習筆記18.Explainable ML
- 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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
- 2. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 3. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 4. 2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
- 5. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 6. 2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 7. 2020李宏毅學習筆記——9. Backpropagation
- 8. 機器學習[李宏毅]-筆記3-Basic Concept
- 9. 李宏毅 2020 Machine Learning
- 10. 李宏毅學習筆記18.Explainable ML