从回报、价值函数与贝尔曼方程出发,学习 TD、Q-learning、DQN、策略梯度、Actor–Critic 和世界模型,配有公式与交互演示。
在此打开 HTML 原件,保留报告的排版、图表和互动。
打开阅读前不会加载原件。
可直接使用“打开原件”或“下载原件”阅读。
一起聊聊