强化学习和监督学习
表格方法的局限
RL中的函数近似
监督学习-MC
MC—TD
基于值函数的RL损失函数
近似方法的一些困难
Deep Q-Network
经验回放
目标网络
奖励裁剪
DQN的一些问题和解决
Q值自相关问题
Q值过度估计
扫描二维码关注公众号，回复：
1692751 查看本文章
优先经验回放
《强化学习》近似值函数方法
猜你喜欢
转载自blog.csdn.net/u012151283/article/details/80573137
今日推荐
周排行