强化学习中的符号命名分析
强化学习的符号命名思考
·
Q: 代表未来收益的累计值，物理意义是: cumulate reward after seeing state S and taking action a. Q与cumulate的首发音相同。
π：通常用来代表policy，因为π与policy的首发音相似。
价值函数V与Q函数的关系：
- 价值函数仅与S相关，
- Q函数同时与S与action相关。
- 二者之间有转换关系。考虑到所有动作后的Q价值的累加和是V。
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)