技術 Day 28 - 強化學習 Reinforcement Learning(2)

時差學習 Temporal difference learning link 時差學習是通過boottraping自助(link)從值函數的當前估計中進行學習。...

技術 Day 27 - 強化學習 Reinforcement Learning(1)

馬可夫決策過程 Markov decision process MDP 在概率論和統計學中，馬可夫決策過程（英語：Markov Decision Proce...