強化學習（五）----- 時間差分學習(Q learning, Sarsa learning)
接下來我們回顧一下動態規劃算法(DP)和蒙特卡羅方法(MC)的特點，對於動態規劃算法有如下特性： 需要環境模型，即狀態轉移概率 狀態值函數的估計是自舉的(bootstrapping)，即當前狀態值函數的更新依賴於已知的其他狀態值函數。 相對的，蒙特卡羅方法的特點則有： 可以從經驗中學習不需要環境模型 狀態值函數的估計是相互獨立的 只能用於episode tasks 而我們希望的算法是這樣的： 不需
相關文章
- 1. 增強學習（五）----- 時間差分學習(Q learning, Sarsa learning)
- 2. 加強學習（五）----- 時間差分學習(Q learning, Sarsa learning)
- 3. 強化學習（Q-Learning，Sarsa）
- 4. 強化學習之Q-learning && SARSA 對比
- 5. 強化學習之Sarsa （時間差分學習）
- 6. David silver強化學習第五講-Sarsa ，Q learning（ Model-Free Control）
- 7. 強化學習(五)：Sarsa算法與Q-Learning算法
- 8. 強化學習之Q-learning
- 9. 【強化學習】Q-learning
- 10. 強化學習(一) —— Q-learning
- 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. 增強學習（五）----- 時間差分學習(Q learning, Sarsa learning)
- 2. 加強學習（五）----- 時間差分學習(Q learning, Sarsa learning)
- 3. 強化學習（Q-Learning，Sarsa）
- 4. 強化學習之Q-learning && SARSA 對比
- 5. 強化學習之Sarsa （時間差分學習）
- 6. David silver強化學習第五講-Sarsa ，Q learning（ Model-Free Control）
- 7. 強化學習(五)：Sarsa算法與Q-Learning算法
- 8. 強化學習之Q-learning
- 9. 【強化學習】Q-learning
- 10. 強化學習(一) —— Q-learning