-
兼具動(dòng)態(tài)規(guī)劃DP和蒙特卡洛MC優(yōu)點(diǎn)的TD Learning算法
TD Learning時(shí)序差分學(xué)習(xí)結(jié)合了動(dòng)態(tài)規(guī)劃DP和蒙特卡洛MC方法，且兼具兩種算法的優(yōu)點(diǎn)，是強(qiáng)化學(xué)習(xí)的核心思想。 雖然蒙特卡羅MC方法僅在最終結(jié)果已知時(shí)才調(diào)整其估計(jì)值，但TD Lea
TD Learning時(shí)序差分學(xué)習(xí)結(jié)合了動(dòng)態(tài)規(guī)劃DP和蒙特卡洛MC方法，且兼具兩種算法的優(yōu)點(diǎn)，是強(qiáng)化學(xué)習(xí)的核心思想。 雖然蒙特卡羅MC方法僅在最終結(jié)果已知時(shí)才調(diào)整其估計(jì)值，但TD Lea
本站介紹 | 申請(qǐng)友情鏈接 | 歡迎投稿 | 隱私聲明 | 廣告業(yè)務(wù) | 網(wǎng)站地圖 | 聯(lián)系我們 | 誠聘英才
ICP許可證號(hào)：京ICP證070360號(hào) 21ic電子網(wǎng) 2000- 版權(quán)所有 用戶舉報(bào)窗口（ 郵箱：macysun@21ic.com ）
