强化学习(2)---马尔科夫决策
需要知道的一些概念 马尔科夫决策过程 马尔科夫链 马尔科夫奖励过程 马尔科夫中的价值函数 马尔科夫决策过程的控制：policy iteration value iteration 基于价值函数的agent：不使用决策函数，在价值函数中推测police 基于police的agent：不使用价值函数 两个都用 通过模型使用不同分类： 看会否有环境转移模型 马尔科夫决策过程是强化学习的基本框架，环境是全
相关文章
- 1. 【深度强化学习】2. 马尔科夫决策过程
- 2. 强化学习基础 | (2) 马尔科夫决策过程(MDP)
- 3. 强化学习(尔) - 马尔科夫决策过程
- 4. 强化学习简介及马尔科夫决策过程
- 5. 强化学习（1）：马尔科夫决策过程
- 6. 强化学习(二)：马尔科夫决策过程(Markov decision process)
- 7. 【强化学习】第一篇--马尔科夫决策过程
- 8. 强化学习之马尔科夫决策过程 5
- 9. 强化学习（马尔科夫决策过程）
- 10. 强化学习【二】马尔科夫决策过程
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/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。
欢迎关注本站公众号,获取更多信息
