- 博客(2)
- 资源 (2)
- 收藏
- 关注
原创 强化学习导论笔记——第二章 多臂老虎机问题
第二章 老虎机问题多臂老虎机问题单臂老虎机在拉下游戏臂后,有一定的概率获得奖励。而多臂老虎机需要选择到底拉哪个游戏臂,每个臂的中奖概率是不一样的。多臂老虎机正好适合用来讨论探索与利用的平衡问题。如果每次都采取贪婪算法,选择奖励概率的游戏臂,则完全是在利用行为的价值;如果选择的是非已知最佳的游戏臂,那就是在探索。一般来讲,利用可以使得单次回报最大,而探索则从长期来看可能产生更好的长期回报。本...
2018-11-29 10:22:11 1205
原创 强化学习导论笔记——第一章 介绍
第一章 介绍什么是强化学习强化学习的几个要素什么是强化学习强化学习的目标是如何将状态situation与动作action关联起来,以便取得最大的收益reward,即收益最大化。监督学习supervised Learning指的是从外部“监督者supervisor”提供的样本samples中提供的样本中学习,但交互式问题interactive problems通常无法从样本中穷举出来。对于强...
2018-11-29 10:17:57 363
practical common lisp英文版mobi
2015-04-11
practical common lisp
2015-04-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人