2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
Policy Gradient 术语和基本思想 基本组成: actor (即policy gradient要学习的对象, 是我们可以控制的部分) 环境 environment (给定的，无法控制) 回报函数 reward function (无法控制) Policy of actor π: 如下图所示，Policy 可以理解为一个包含参数 θ \thetaθ的神经网络，该网络将观察到的变量作为模型
相关文章
- 1. 2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
- 2. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 3. 2020李宏毅学习笔记——67 RL Advanced Version 3.Q-learning（basic idea）
- 4. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 5. 2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
- 6. 2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 7. 李宏毅强化学习学习笔记-policy gradient and PPO
- 8. 2020李宏毅学习笔记——9. Backpropagation
- 9. 李宏毅学习笔记——1.概论
- 10. 李弘毅深度强化学习笔记【1 Policy Gradient 】
- 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（一）基本语法
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. 2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
- 2. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 3. 2020李宏毅学习笔记——67 RL Advanced Version 3.Q-learning（basic idea）
- 4. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 5. 2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
- 6. 2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 7. 李宏毅强化学习学习笔记-policy gradient and PPO
- 8. 2020李宏毅学习笔记——9. Backpropagation
- 9. 李宏毅学习笔记——1.概论
- 10. 李弘毅深度强化学习笔记【1 Policy Gradient 】