李宏毅教授A3C课程笔记总结
A3C (Asynchronous Advantage Actor-Critic) 远优于DQN Alpha go用到了model-based的方法 On-policy：学习的agent和与环境互动的agent是同一个 Off-policy：学习的agent和与环境互动的agent是不同的 注意学习的agent和交互的agent之间的差别不能太大 Actor：是一个神经网络，输入是观察
相关文章
- 1. 李宏毅 Deeplearning课程学习笔记
- 2. 【课程笔记-李宏毅ML】transfer learning
- 3. 李宏毅课程
- 4. 【抗疫不出门】李宏毅教授机器学习课程笔记一
- 5. BP算法（李宏毅课堂笔记）
- 6. 李宏毅GAN课堂笔记 part1：introduction
- 7. 李宏毅Gradient Descent（lecturte3）课堂笔记
- 8. 李宏毅GAN课程（二）
- 9. 李宏毅——GAN笔记_day01
- 10. 李宏毅RNN笔记
- 更多相关文章...
- • C# 程序结构 - C#教程
- • Maven 教程 - Maven教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Java 8 Stream 教程
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
