強化學習和自動編碼機

softmax損失函數 交叉熵函數： C = − ∑ i y i l n ( a i ) ,     a i 是 o u t p u t C = -\sum_i y_iln(a_i), ~~~ a_i是output C=−i∑​yi​ln(ai​),   ai​是output 「拯救公主」 強化學習目標： 找到這樣一中策略，使得所有步數產生的累計獎勵和最大。 Q-Learning Bellman方

>>阅读原文<<