- 博客(3)
- 收藏
- 关注
原创 强化学习中的off-policy 和on-policy
强化学习可以分成off-policy(离线)和on-policy(在线)两种学习方法,按照个人理解,判断一个强化学习是off-policy还是on-policy的依据在于生成样本的policy(value-funciton)和网络参数更新时的policy(value-funciton)是否相同。off-policy的经典算法有Q-learning,而on-policy的经典算法有SARSA算法,两者
2017-05-01 14:44:02
10899
3
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