强化学习笔记3
策略梯度 1、基本概念 policy（策略）： 每一个actor中会有对应的策略，这个策略决定了actor的行为。具体来说，Policy 就是给一个外界的输入，然后它会输出 actor 现在应该要执行的行为。一般地，我们将policy写成 π。 Return（回报）： 一个回合（Episode）或者试验（Trial）所得到的所有的reward的总和，也被人们称为Total reward。一般地，我
相关文章
- 1. 强化学习笔记
- 2. 强化学习笔记2
- 3. 强化学习学习笔记——介绍强化学习(reinforcement learning)
- 4. 【莫烦强化学习】视频笔记（一）3. 为什么用强化学习？
- 5. QUANT[15]强化学习(Reinforcement Learning)学习笔记3
- 6. 强化学习 学习笔记
- 7. 强化学习学习笔记
- 8. 强化学习-Q-learning学习笔记
- 9. 机器学习笔记——强化学习
- 10. 强化学习学习笔记10.23
- 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
