- 博客(4)
- 收藏
- 关注
RSS订阅原创 强化学习（一）——基础篇
先将全问题分出一个小的子问题，解决后，再划分出包含上一个子问题的稍大的子问题，以此类推，直至解决整个全问题。（子问题是嵌套的，要递归的去求解）状态值函数表示从状态s出发得到的累积折扣奖励的期望，状态s下执行什么动作是不确定的；动作值函数表示从状态s出发，确定执行动作a以后的累积折扣奖励的期望。r=r(s,a,s') 已知当前状态和执行的动作，以及下一个状态。从状态s出发，执行动作a后，得到的累积折扣奖励的期望。表示在St状态下，执行动作At后的所有即时奖励的累积。，从状态s出发的累积折扣奖励的期望。
2023-10-27 15:58:54
452
1
原创 机器学习（一）——基础篇
1.特征向量：一个数据集中的每条记录是关于一个事件或对象的描述，称为一个示例，也叫一个特 征向量。2.训练数据：训练过程中使用的数据称为训练数据，其中每个样本称为一个“训练样本”3.
2023-10-24 16:44:35
772
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人