强化学习-An introduction之 时序差分（TD Learning） 个人笔记
Chapter 6 Temporal-Difference Learning MC方法是通过考虑采样轨迹，克服了模型未知给策略估计造成的困难，但是它需要在完成一个采样轨迹后再更新策略的值估计；而之前介绍的基于DP的策略迭代和值迭代算法在每执行一步策略后就进行值函数更新。相比而言，MC方法效率低得多。主要原因是MC方法没有利用学习任务的MDP结构。 TD Learning则结合了DP和MC的思想，能
相关文章
- 1. 强化学习-An introduction之 时序差分（TD Learning） 我的笔记
- 2. 强化学习-An introduction之 n-step Bootstrapping 个人笔记
- 3. Reinforcement Learning强化学习系列之四：时序差分TD
- 4. 《Reinforcement Learning》 读书笔记 6：时序差分学习（TD-Learning）
- 5. Reinforcement Learning - An Introduction强化学习读书笔记 Ch5.8-Ch6.3
- 6. Reinforcement Learning - An Introduction强化学习读书笔记 Ch6.4-Ch6.9
- 7. 强化学习-An introduction之 动态规划（DP） 个人笔记
- 8. 强化学习-An introduction之 On-policy Prediction with Function Approximation 个人笔记
- 9. Reinforcement Learning - An Introduction强化学习读书笔记 Ch9.7-Ch9.11
- 10. 【强化学习】时间差分法(TD)
- 更多相关文章...
- • 第一个Hibernate程序 - Hibernate教程
- • 第一个Spring程序 - Spring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-An introduction之 时序差分（TD Learning） 我的笔记
- 2. 强化学习-An introduction之 n-step Bootstrapping 个人笔记
- 3. Reinforcement Learning强化学习系列之四：时序差分TD
- 4. 《Reinforcement Learning》 读书笔记 6：时序差分学习（TD-Learning）
- 5. Reinforcement Learning - An Introduction强化学习读书笔记 Ch5.8-Ch6.3
- 6. Reinforcement Learning - An Introduction强化学习读书笔记 Ch6.4-Ch6.9
- 7. 强化学习-An introduction之 动态规划（DP） 个人笔记
- 8. 强化学习-An introduction之 On-policy Prediction with Function Approximation 个人笔记
- 9. Reinforcement Learning - An Introduction强化学习读书笔记 Ch9.7-Ch9.11
- 10. 【强化学习】时间差分法(TD)