强化学习（RLAI）读书笔记第九章On-policy Prediction with Approximation
这一章学习使用on-policy的数据对状态值函数进行逼近，也就是在策略下估计值函数。这一章的重点在于估计的值函数不是使用表格来表示而是使用参数w的函数形式。一般来说权重参数的数量是远远比状态的数量要小的，而且改变一个权重的大小会影响到很多个状态值的估计。于是一个值函数的更新会带来很多其它值函数的改变。这种泛化能力非常有用但更难操作和理解。 而且把强化学习延伸到函数逼近的形式也使得它能够应用于部分
相关文章
- 1. 强化学习（RLAI）读书笔记第十章On-Policy Control with Approximation
- 2. 强化学习（RLAI）读书笔记第十一章 Off-policy Methods with Approximation
- 3. 强化学习（RLAI）读书笔记第四章动态规划
- 4. 强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
- 5. 强化学习系列（九）：On-policy Prediction with Approximation
- 6. 强化学习（RLAI）读书笔记第七章n步自举（n-step Bootstrapping）
- 7. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 8. 强化学习（RLAI）读书笔记第十二章资格迹（Eligibility Traces）
- 9. 强化学习（RLAI）读书笔记第十六章Applications and Case Studies（不含alphago）
- 10. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 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
相关文章
- 1. 强化学习（RLAI）读书笔记第十章On-Policy Control with Approximation
- 2. 强化学习（RLAI）读书笔记第十一章 Off-policy Methods with Approximation
- 3. 强化学习（RLAI）读书笔记第四章动态规划
- 4. 强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
- 5. 强化学习系列（九）：On-policy Prediction with Approximation
- 6. 强化学习（RLAI）读书笔记第七章n步自举（n-step Bootstrapping）
- 7. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 8. 强化学习（RLAI）读书笔记第十二章资格迹（Eligibility Traces）
- 9. 强化学习（RLAI）读书笔记第十六章Applications and Case Studies（不含alphago）
- 10. 强化学习（RLAI）读书笔记第二章多臂老虎机