- 博客(3)
- 收藏
- 关注
RSS订阅原创 Sarsa的进阶--Sarsa(lambda)
Sarsa-lambda 今天我们会来说说强化学习中基于 Sarsa 的一种提速方法, 叫做 Sarsa-lambda. Sarsa(n) Sarsa的算法是一种在线学习法, on-policy. 但是这个 lambda 到底是什么. 其实吧, Sarsa 是一种单步更新法, 在环境中每走一步, 更新一次自己的行为准则, 我们可以在这样的 Sarsa 后面打一个括号, 说他是 Sarsa...
2018-08-21 16:05:21
2298
1
原创 强化学习基本原理及简单算法
强化学习算法及原理分析 强化学习的目的在于作出最优的选择，最优则是指选择累计回报最大的行为。 通用符号说明 reward（r） reward通常都被记作rrr，表示确定action的返回奖赏值。所有强化学习都是基于reward假设的。reward是一个scalar。rrr所表示的reward是即时的回报（没有考虑长期回报）。 累积折现回报函数（R） 因为强化学习基本上可以总结为通过最大...
2018-08-20 16:13:31
7552
转载 选择问题
选择强迫症 在没有先验信息或者有部分先验信息的情况下，如何持续的作出更好的选择。 （第一次写，抄一个有用的练练手） bandit算法 Thompson sampling算法 UCB算法 *Epsilon-Greedy算法 均值最大 背景 bandit算法来源于人民群众喜闻乐见的赌博学，它要解决的问题是这样的： 一个赌徒，要去摇老虎机，走进赌场一看，一排老虎机，外表一模一样，...
2018-08-10 12:48:27
3598
1
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