时序差分学习(Temporal-Difference Learning)
时序差分学习(Temporal-Difference Learning)结合了动态规划和蒙特卡洛方法，是强化学习的核心思想。算法 蒙特卡洛的方法是模拟（或者经历）一段序列，在序列结束后，根据序列上各个状态的价值，来估计状态价值。 时序差分学习是模拟（或者经历）一段序列，每行动一步（或者几步），根据新状态的价值，而后估计执行前的状态价值。 能够认为蒙特卡洛的方法是最大步数的时序差分学习。数据结构
相关文章
- 1. 时序差分学习(Temporal-Difference Learning)
- 2. 时序差分学习
- 3. 《Reinforcement Learning》 读书笔记 6：时序差分学习（TD-Learning）
- 4. 强化学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 5. 增强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 6. 加强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 7. Temporal Difference - 时序差分学习
- 8. Reinforcement Learning强化学习系列之四：时序差分TD
- 9. 时序差分算法(Temporal-Difference Learning)
- 10. 《强化学习Sutton》读书笔记（五）——时序差分学习（Temporal-Difference Learning）
- 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. 时序差分学习(Temporal-Difference Learning)
- 2. 时序差分学习
- 3. 《Reinforcement Learning》 读书笔记 6：时序差分学习（TD-Learning）
- 4. 强化学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 5. 增强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 6. 加强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 7. Temporal Difference - 时序差分学习
- 8. Reinforcement Learning强化学习系列之四：时序差分TD
- 9. 时序差分算法(Temporal-Difference Learning)
- 10. 《强化学习Sutton》读书笔记（五）——时序差分学习（Temporal-Difference Learning）