![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
Loiser1
这个作者很懒,什么都没留下…
展开
-
note2Markov Decision Process(MDP)
Markov Decision Process(MDP)Markov Property:Just depend on current statusMarkov Process/Markov Chain state transition matrix P :p(st+1=s′∣st=s)p(s_{t+1}=s'|s_t=s)p(st+1=s′∣st=s)从一个节点到另一个节点的概率Markov Reward Process(MRP):add reward weightsHorizon:steps原创 2020-10-23 23:23:46 · 120 阅读 · 0 评论 -
强化学习note1导论
Textbook:Sutton and Barton reinforcement learning周博磊老师中文课coding架构:Pytorch与supervised learning 的区别:监督学习:1.假设数据之间无关联i.i.d. 2.有label强化学习:不一定i.i.d;没有立刻feed back(delay reward) explorati原创 2020-10-20 13:42:36 · 171 阅读 · 0 评论