強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
第七章：n-step Bootstrapping 這一章中我們把蒙特卡洛算法(MC)和一步差分算法(one-step TD)統一起來。MC算法和一步TD算法都不可能永遠是最好的。這兩個方法都是比較極端的形式，可能使用它們中間形式會更好一些。另一個看待n步TD算法的優勢的角度是它解決了固定時間步驟的缺點。比如一步TD算法固定了每次選擇動作和更新值的時間間隔。很多應用中想要把發生的改變快速更新到值函數
相關文章
- 1. 《強化學習Sutton》讀書筆記（六）——n步Bootstrapping（n-step Bootstrapping）
- 2. 強化學習（RLAI）讀書筆記第四章動態規劃
- 3. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 4. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 5. 強化學習之n步自舉法
- 6. 強化學習系列（七）：n-step Bootstrapping (步步爲營）
- 7. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 8. 強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
- 9. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 10. 強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation
- 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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 《強化學習Sutton》讀書筆記（六）——n步Bootstrapping（n-step Bootstrapping）
- 2. 強化學習（RLAI）讀書筆記第四章動態規劃
- 3. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 4. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 5. 強化學習之n步自舉法
- 6. 強化學習系列（七）：n-step Bootstrapping (步步爲營）
- 7. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 8. 強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
- 9. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 10. 強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation