星的四种视角 ✧
学习资料

强化学习学习笔记:从试错到策略优化

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。

文档阅读HTML 原件
READING ROOM

在此阅读文档

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。

一起聊聊

← 返回学习与研究回到顶部 ↑
强化学习学习笔记:从试错到策略优化 | 星