强化学习（五）----- 时间差分学习(Q learning, Sarsa learning)
接下来我们回顾一下动态规划算法(DP)和蒙特卡罗方法(MC)的特点，对于动态规划算法有如下特性： 需要环境模型，即状态转移概率 状态值函数的估计是自举的(bootstrapping)，即当前状态值函数的更新依赖于已知的其他状态值函数。 相对的，蒙特卡罗方法的特点则有： 可以从经验中学习不需要环境模型 状态值函数的估计是相互独立的 只能用于episode tasks 而我们希望的算法是这样的： 不需
相关文章
- 1. 增强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 2. 加强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 3. 强化学习（Q-Learning，Sarsa）
- 4. 强化学习之Q-learning && SARSA 对比
- 5. 强化学习之Sarsa （时间差分学习）
- 6. David silver强化学习第五讲-Sarsa ，Q learning（ Model-Free Control）
- 7. 强化学习(五)：Sarsa算法与Q-Learning算法
- 8. 强化学习之Q-learning
- 9. 【强化学习】Q-learning
- 10. 强化学习(一) —— Q-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. 增强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 2. 加强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
- 3. 强化学习（Q-Learning，Sarsa）
- 4. 强化学习之Q-learning && SARSA 对比
- 5. 强化学习之Sarsa （时间差分学习）
- 6. David silver强化学习第五讲-Sarsa ，Q learning（ Model-Free Control）
- 7. 强化学习(五)：Sarsa算法与Q-Learning算法
- 8. 强化学习之Q-learning
- 9. 【强化学习】Q-learning
- 10. 强化学习(一) —— Q-learning