强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
第六章：Temporal-Difference Learning TD-learning算法是强化学习中一个独具特色而又核心的想法，结合了蒙特卡洛算法和动态规划的想法。和MC一样不需要环境模型直接从sample里学习，也像DP一样使用bootstrap通过别的状态值的估计更新当前状态值。首先也关注的是给定策略进行prediction或者叫policy evaluation。对于control（找到
相关文章
- 1. 强化学习（RLAI）读书笔记第四章动态规划
- 2. 强化学习（RLAI）读书笔记第十六章Applications and Case Studies（不含alphago）
- 3. 强化学习（RLAI）读书笔记第九章On-policy Prediction with Approximation
- 4. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 5. 强化学习（RLAI）读书笔记第十章On-Policy Control with Approximation
- 6. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 7. 强化学习（RLAI）读书笔记第十二章资格迹（Eligibility Traces）
- 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）读书笔记第十一章 Off-policy Methods with Approximation
- 10. 强化学习（RLAI）读书笔记第八章表格方法的规划与学习
- 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. 强化学习（RLAI）读书笔记第四章动态规划
- 2. 强化学习（RLAI）读书笔记第十六章Applications and Case Studies（不含alphago）
- 3. 强化学习（RLAI）读书笔记第九章On-policy Prediction with Approximation
- 4. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 5. 强化学习（RLAI）读书笔记第十章On-Policy Control with Approximation
- 6. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 7. 强化学习（RLAI）读书笔记第十二章资格迹（Eligibility Traces）
- 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）读书笔记第十一章 Off-policy Methods with Approximation
- 10. 强化学习（RLAI）读书笔记第八章表格方法的规划与学习