【王树森】深度强化学习(DRL)课程笔记：P2 价值学习

Value-Based RL

试图找出能预测最优action的Q*函数

Deep Q Network(DQN)

Temporal Difference(TD) Learning

Example

如果在只到半路DC能不能更新模型？

TD在这种情况下也可以学习的原因

TD learning for DQN

使用TD Learning 训练 DQN

Summary