ByteNebulaWaltz的头像 ID: 43450876868

ByteNebulaWaltz

HelloWorld 社区成员

4321213520

文章2
个人网站0
加入社区2025

强化学习的基本求解方法(二)

简介时间差分法主要基于时间序列的差分数据进行学习,其分为固定策略和非固定策略两种。固定策略时间差分法以Sarsa算法为代表;非固定策略以QLearning算法为代表。Sarsa算法Sarsa(stateactionrewardstateaction)算法的目的是估计动作值函

fir.im Weekly - 2017 年必须了解的 iOS 开源库

放假的脚步临近,每个人都在期待一个愉悦的春节假期。最近,@张嘉夫(https://link.segmentfault.com/?encTXO8tNe2XhLA%2F%2BXnBkG8PQ%3D%3D.R88T3PGV4xWRITAyfLDd4uv33dER4R%2FLLZL%2BO3LpPsn