机器学习（三十五）——Actor-Critic, Integrating Learning and Planning（1）
Actor-Critic 概述 MC策略梯度方法使用了收获作为状态价值的估计，它虽然是无偏的，但是噪声却比较大，也就是变异性（方差）较高。如果我们能够相对准确地估计状态价值，用它来指导策略更新，那么是不是会有更好的学习效果呢？这就是Actor-Critic策略梯度的主要思想。 Actor-Critic的字面意思是“演员-评论”，相当于演员在演戏的同时，有评论家指点，继而演员演得越来越好。即使用Cr
相关文章
- 1. 机器学习（三十六）——Integrating Learning and Planning（2）
- 2. 机器学习（三十七）——Integrating Learning and Planning（3）
- 3. Reinforcement learning: integrating learning and planning, exploitation and exploration
- 4. 深度增强学习David Silver（八）——Integrating Learning and Planning
- 5. Planning and Learning
- 6. 【转载】David Silver公开课8——Integrating Learning and Planning
- 7. 8 Planning and Learning with Tabular Methods
- 8. Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation
- 9. Coursera机器学习课程笔记(1) Supervised Learning and Unsupervised Learning
- 10. 机器学习五：Deep Learning深度学习1
- 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）
- • Kotlin学习（二）基本类型
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. 机器学习（三十六）——Integrating Learning and Planning（2）
- 2. 机器学习（三十七）——Integrating Learning and Planning（3）
- 3. Reinforcement learning: integrating learning and planning, exploitation and exploration
- 4. 深度增强学习David Silver（八）——Integrating Learning and Planning
- 5. Planning and Learning
- 6. 【转载】David Silver公开课8——Integrating Learning and Planning
- 7. 8 Planning and Learning with Tabular Methods
- 8. Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation
- 9. Coursera机器学习课程笔记(1) Supervised Learning and Unsupervised Learning
- 10. 机器学习五：Deep Learning深度学习1