On-policy VS Off-policy On-policy: The agent learned and the agent inter...

采取# Review – Policy Gradient G表示在采取一直到游戏结束所得到的cumulated reward。这个值是不稳定的，...

Basic Components 在强化学习中，主要有三个部件(components)：actor、environment、reward fun...

一、Introduction （一）Large-Scale Reinforcement Learning 强化学习可用于解决较大的问题，例如： ...

一、Introduction （一）Model-Free Reinforcement Learning Last lecture:Model-f...

一、Monte-Carlo Learning （一）Monte-Carlo Reinforcement Learning MC方法可直接从经验中...

一、Introduction （一） 什么是动态规划（Dynamic Programming） Dynamic：问题的动态顺序或时间成分Prog...

一、关于RL （一）强化学习的特征 强化学习和其他机器学习的不同之处： 没有监督者，只有一个reward标志 反馈有延迟，不是马上得到 时间很重...