堆栈交换网络

堆栈交换网络由175个问答社区组成,包括栈溢出,最大的,最值得开发者学习的在线社区,分享他们的知识,建立他们的事业。

访问堆栈交换

必威英雄联盟标记为[时间差异]的问题

对于与强必威英雄联盟化学习技术有关的问题,称为“时间差异”。

3个必威英雄联盟问题
选票
回答
27视图

了解N-step-off策略sarsa更新

在萨顿和巴托的书(第二版)第149页,有一个方程式7.11,我很难理解这个方程式,我想我们应该把Q$移到G$上。在哪里…
投票
回答
25视图

论重点TD的政策分配

Sutton和Barto在第11.8节中讨论了通过修正遇到的状态分布,可以改进非政策td函数近似的收敛性。章节…
选票
回答
56视图

什么是时间差异和蒙特卡罗方法直观?

直观地说,时间差法和蒙特卡罗法在强化学习中是如何起作用的?如何用它们来解决强化学习问题?