強化學習 8: approximate reinforcement learning
上次提到一個問題，就是如何有效的將交叉熵算法用於很大的數據量的問題上。web 前面說過，對於騎自行車這種可能只有十個 state，四個 aciton 的小問題上面，交叉熵能夠解決，但若是在自動駕駛，或者打遊戲上面，它卻不行，由於這時咱們沒有辦法再存儲一個表格來記錄全部可能狀態的全部可能行爲的機率，由於這可能有幾十億的狀態，或者是一個連續空間，是沒有辦法作記錄的。 存儲這樣的表格不只是不可能的，也是
相關文章
- 1. 強化學習(Reinforcement Learning)
- 2. 機器學習～強化學習Reinforcement Learning
- 3. 強化學習（Reinforcement Learning）
- 4. 強化學習reinforcement learning
- 5. QUANT[20]強化學習(Reinforcement Learning)學習筆記8
- 6. 強化學習學習筆記——介紹強化學習(reinforcement learning)
- 7. 【強化學習】DQN(Deep reinforcement learning) Basic
- 8. 強化學習（reinforcement learning）教程
- 9. [Reinforcement Learning] 強化學習介紹
- 10. 強化學習（Reinforcement Learning）知識整理
- 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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 強化學習(Reinforcement Learning)
- 2. 機器學習～強化學習Reinforcement Learning
- 3. 強化學習（Reinforcement Learning）
- 4. 強化學習reinforcement learning
- 5. QUANT[20]強化學習(Reinforcement Learning)學習筆記8
- 6. 強化學習學習筆記——介紹強化學習(reinforcement learning)
- 7. 【強化學習】DQN(Deep reinforcement learning) Basic
- 8. 強化學習（reinforcement learning）教程
- 9. [Reinforcement Learning] 強化學習介紹
- 10. 強化學習（Reinforcement Learning）知識整理