打卡:今天学习强化学习。
- actor-critc:策略学习和价值学习相结合
- A2C:添加baseline,降低方差,使得采样和均值之间误差不会太大。
- importance sampling:通过另一个分布(已知表达式的分布)来采样,求某一分布(该分布表达式未知,如神经网络)的期望。
- off-polcy actor-critic:通过importance sampling 将on-policy 转化为off-policy。
2024-03-15
在牛客打卡2天,今天也很努力鸭!
全部评论

相关推荐

05-12 16:04
已编辑
江西财经大学 Java
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务