深入淺出強化學習原理入門（一）——馬爾科夫決策過程

馬爾科夫決策過程 文章目錄 馬爾科夫決策過程 理論講解 馬爾科夫性 馬爾科夫過程 馬爾科夫決策過程 狀態值函數 狀態-行爲值函數 question 1 強化學習基本框架 智能體與環境不斷交互從而產生很多的數據，強化學習算法利用產生的數據修改自身的動作策略。 強化學習與深度學習的區別： 深度學習如圖像識別和語音識別，解決的是感知的問題。 強化學習解決的是決策的問題。 馬爾科夫決策過程（MDP）是一個

>>阅读原文<<