强化学习（MDP-Q表格）
状态转移概率：在St时刻选择了At动作转移到St+1而且拿到Rt的概率马尔科夫决策过程：这个属于model-base这个属于model-free用价值函数V来代表这个状态是好的还是坏的用Q函数来表示在什么状态下，拿到什么动作能够获得最大的奖励Q表格先初始化为0举个实际的物理意义时序差分数学公式：...
·
状态转移概率：在St时刻选择了At动作转移到St+1而且拿到Rt的概率
马尔科夫决策过程：
这个属于model-base
这个属于model-free
用价值函数V来代表这个状态是好的还是坏的
用Q函数来表示在什么状态下，拿到什么动作能够获得最大的奖励
Q表格先初始化为0
举个实际的物理意义
时序差分数学公式：
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1条内容
所有评论(0)