Reinforcement Learning - An Introduction強化學習讀書筆記 Ch6.4-Ch6.9
6.4 Sarsa：on-policy下的時序差分控制 TD方法學習的是動作價值函數，更新方程爲： 其中Qhat表示對Q的估計，不同的算法對Qhat有不同的計算。 Sarsa算法: 更新方程爲： 由於算法的每次更新需要用到當前時刻的S和A，和下一時刻的R、S、A，所以取首字母稱爲sarsa。 Sarsa是一種on-policy的算法，與MC算法相似，需要保持各個狀態被多次訪問才能收斂，使用軟性策略
相關文章
- 1. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch8.4-Ch8.11
- 2. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch5.3-Ch5.7
- 3. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch3.4-Ch3.8
- 4. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch5.8-Ch6.3
- 5. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch9.7-Ch9.11
- 6. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch8.1-Ch8.3
- 7. 強化學習一：Introduction Of Reinforcement Learning
- 8. Reinforcement learning——an introduction強化學習翻譯1.5節
- 9. Reinforcement learning——an introduction強化學習翻譯第二章
- 10. CNN筆記（CS231N）——強化學習（Reinforcement 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. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch8.4-Ch8.11
- 2. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch5.3-Ch5.7
- 3. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch3.4-Ch3.8
- 4. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch5.8-Ch6.3
- 5. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch9.7-Ch9.11
- 6. Reinforcement Learning - An Introduction強化學習讀書筆記 Ch8.1-Ch8.3
- 7. 強化學習一：Introduction Of Reinforcement Learning
- 8. Reinforcement learning——an introduction強化學習翻譯1.5節
- 9. Reinforcement learning——an introduction強化學習翻譯第二章
- 10. CNN筆記（CS231N）——強化學習（Reinforcement Learning）