强化学习（RLAI）读书笔记第十一章 Off-policy Methods with Approximation
本书第五章就已经讲解过分别使用on-policy和off-policy方法来解决GPI框架里固有的explore和exploit的矛盾。前两章已经讲了on-policy情形下对于函数近似的拓展，本章继续讲解off-policy下对函数近似的拓展，但是这个拓展比on-policy时更难更不同。在第六第七章中讲到的off-policy方法可以拓展到函数近似的情况下，但是这些方法在半梯度法下不能像在on
相关文章
- 1. 强化学习（RLAI）读书笔记第十章On-Policy Control 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. 强化学习系列（十一）：Off-policy Methods with Approximation
- 7. 强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
- 8. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 9. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 10. 强化学习（RLAI）读书笔记第七章n步自举（n-step Bootstrapping）
- 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. 强化学习（RLAI）读书笔记第十章On-Policy Control 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. 强化学习系列（十一）：Off-policy Methods with Approximation
- 7. 强化学习（RLAI）读书笔记第六章差分学习（TD-learning）
- 8. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 9. 强化学习（RLAI）读书笔记第五章蒙特卡洛方法
- 10. 强化学习（RLAI）读书笔记第七章n步自举（n-step Bootstrapping）