-David Silver深度强化学习第5课 - 免模型控制(中文字幕)
热门回复:
- TsTxcX:20分钟左右有一个等式。。很多人说可以吧q换成v,其实是不对的。。。。 20分钟的等式左边的意思是如果在相同的v(s)函数下,按照新的策略会比按照久的策略要好。但是如果各位把q换成了v,意味着迭代结束,最终的策略已经找到了。显然你是不知道通过这一次迭代是否是最后的迭代。所以v是q中的最大值。。。(我尽力了)
- 切萝卜切萝卜切切切:越来越懵
- 老麦0208:接着打卡
- 帝王是我德莉傻哒:其实我想说看中文反而有点干扰[小电视_嘟嘴]跪求英文字幕orz
- 壳中miku:(〜 ̄△ ̄)〜有生之年见中文了