Reinforcement Learning - An Introduction强化学习读书笔记 Ch6.4-Ch6.9
6.4 Sarsa：on-policy下的时序差分控制 TD方法学习的是动作价值函数，更新方程为： 其中Qhat表示对Q的估计，不同的算法对Qhat有不同的计算。 Sarsa算法: 更新方程为： 由于算法的每次更新需要用到当前时刻的S和A，和下一时刻的R、S、A，所以取首字母称为sarsa。 Sarsa是一种on-policy的算法，与MC算法相似，需要保持各个状态被多次访问才能收敛，使用软性策略
相关文章
- 1. Reinforcement Learning - An Introduction强化学习读书笔记 Ch8.4-Ch8.11
- 2. Reinforcement Learning - An Introduction强化学习读书笔记 Ch5.3-Ch5.7
- 3. Reinforcement Learning - An Introduction强化学习读书笔记 Ch3.4-Ch3.8
- 4. Reinforcement Learning - An Introduction强化学习读书笔记 Ch5.8-Ch6.3
- 5. Reinforcement Learning - An Introduction强化学习读书笔记 Ch9.7-Ch9.11
- 6. Reinforcement Learning - An Introduction强化学习读书笔记 Ch8.1-Ch8.3
- 7. 强化学习一：Introduction Of Reinforcement Learning
- 8. Reinforcement learning——an introduction强化学习翻译1.5节
- 9. Reinforcement learning——an introduction强化学习翻译第二章
- 10. CNN笔记（CS231N）——强化学习（Reinforcement 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。
最新文章
- 1. 外部其他进程嵌入到qt FindWindow获得窗口句柄 报错无法链接的外部符号 [email protected] 无法被([email protected]@[email protected]@@引用
- 2. UVa 11524 - InCircle
- 3. The Monocycle（bfs）
- 4. VEC-C滑窗
- 5. 堆排序的应用-TOPK问题
- 6. 实例演示ElasticSearch索引查询term,match,match_phase,query_string之间的区别
- 7. 数学基础知识 集合
- 8. amazeUI 复择框问题解决
- 9. 背包问题理解
- 10. 算数平均-几何平均不等式的证明,从麦克劳林到柯西
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Reinforcement Learning - An Introduction强化学习读书笔记 Ch8.4-Ch8.11
- 2. Reinforcement Learning - An Introduction强化学习读书笔记 Ch5.3-Ch5.7
- 3. Reinforcement Learning - An Introduction强化学习读书笔记 Ch3.4-Ch3.8
- 4. Reinforcement Learning - An Introduction强化学习读书笔记 Ch5.8-Ch6.3
- 5. Reinforcement Learning - An Introduction强化学习读书笔记 Ch9.7-Ch9.11
- 6. Reinforcement Learning - An Introduction强化学习读书笔记 Ch8.1-Ch8.3
- 7. 强化学习一：Introduction Of Reinforcement Learning
- 8. Reinforcement learning——an introduction强化学习翻译1.5节
- 9. Reinforcement learning——an introduction强化学习翻译第二章
- 10. CNN笔记（CS231N）——强化学习（Reinforcement Learning）