强化学习（RLAI）读书笔记第十章On-Policy Control with Approximation
目前继续考虑on-policy的带逼近的control算法。这章主要介绍半梯度Sarsa算法，也就是半梯度TD(0)算法对于动作值估计以及on-policy control算法的自然延伸。虽然这个延伸对于episodic的情况是很自然的，但是对于continuing的情况，我们需要再次考虑对于discounting方法来定义一个最优策略的方式。而当我们使用函数逼近的时候需要放弃discountin
相关文章
- 1. 强化学习（RLAI）读书笔记第十一章 Off-policy Methods with Approximation
- 2. 强化学习（RLAI）读书笔记第九章On-policy Prediction with Approximation
- 3. 强化学习（RLAI）读书笔记第四章动态规划
- 4. 强化学习（RLAI）读书笔记第十二章资格迹（Eligibility Traces）
- 5. 强化学习（RLAI）读书笔记第十六章Applications and Case Studies（不含alphago）
- 6. 强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
- 7. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 8. 强化学习（RLAI）读书笔记第七章n步自举（n-step Bootstrapping）
- 9. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 10. 强化学习系列（十）：On-policy Control with Approximation
- 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。
最新文章
- 1. Appium入门
- 2. Spring WebFlux 源码分析(2)-Netty 服务器启动服务流程 --TBD
- 3. wxpython入门第六步（高级组件）
- 4. CentOS7.5安装SVN和可视化管理工具iF.SVNAdmin
- 5. jedis 3.0.1中JedisPoolConfig对象缺少setMaxIdle、setMaxWaitMillis等方法，问题记录
- 6. 一步一图一代码，一定要让你真正彻底明白红黑树
- 7. 2018-04-12—（重点）源码角度分析Handler运行原理
- 8. Spring AOP源码详细解析
- 9. Spring Cloud（1）
- 10. python简单爬去油价信息发送到公众号
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 强化学习（RLAI）读书笔记第十一章 Off-policy Methods with Approximation
- 2. 强化学习（RLAI）读书笔记第九章On-policy Prediction with Approximation
- 3. 强化学习（RLAI）读书笔记第四章动态规划
- 4. 强化学习（RLAI）读书笔记第十二章资格迹（Eligibility Traces）
- 5. 强化学习（RLAI）读书笔记第十六章Applications and Case Studies（不含alphago）
- 6. 强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
- 7. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 8. 强化学习（RLAI）读书笔记第七章n步自举（n-step Bootstrapping）
- 9. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 10. 强化学习系列（十）：On-policy Control with Approximation