- 博客(2)
- 问答 (5)
- 收藏
- 关注
RSS订阅原创 【强化学习简明】台大李宏毅强化学习2021版课程笔记
An Example 一个例子我们用一个例子来介绍什么是强化学习下围棋时，AlphaGo观察棋盘作为模型的输入，将落子作为输出，在多数情况下，它得不到任何奖励。如果AlphaGo获胜，它得到奖励：1如果AlphaGo失败，它受到惩罚：-1AlphaGo根据得到的奖励或惩罚来判断自己做的好或者做的不好，再做出相应的调整这就是强化学习。
2024-10-24 21:56:04
856
空空如也
用栈 实现二进制到八进制的转换，0报错但无法实现，警告传参方式错误，如何解决
2022-04-10
栈的创建，判断base指针存在的意义是什么？为什么会出现创建失败的情况？
2022-04-09
链表中的指针变量如何正确运用（见内容）
2022-04-07
打了链表 0错误但跑不了，如何解决？(语言-c语言)
2022-04-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人