主要根据value-based和policy-based以及结合了基于值和基于概率的常见强化学习算法进行了分类。
欢迎进行补充和讨论以及指正。
立减 ¥
请填写红包祝福语或标题
红包个数最小为10个
红包金额最低5元
抵扣说明:
1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。