強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation
目前繼續考慮on-policy的帶逼近的control算法。這章主要介紹半梯度Sarsa算法，也就是半梯度TD(0)算法對於動作值估計以及on-policy control算法的自然延伸。雖然這個延伸對於episodic的情況是很自然的，但是對於continuing的情況，我們需要再次考慮對於discounting方法來定義一個最優策略的方式。而當我們使用函數逼近的時候需要放棄discountin
相關文章
- 1. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 2. 強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
- 3. 強化學習（RLAI）讀書筆記第四章動態規劃
- 4. 強化學習（RLAI）讀書筆記第十二章資格跡（Eligibility Traces）
- 5. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 6. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 7. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 8. 強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
- 9. 強化學習（RLAI）讀書筆記第二章多臂老虎機
- 10. 強化學習系列（十）：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（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 2. 強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
- 3. 強化學習（RLAI）讀書筆記第四章動態規劃
- 4. 強化學習（RLAI）讀書筆記第十二章資格跡（Eligibility Traces）
- 5. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 6. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 7. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 8. 強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
- 9. 強化學習（RLAI）讀書筆記第二章多臂老虎機
- 10. 強化學習系列（十）：On-policy Control with Approximation