《强化学习导论》读书笔记
目录 Chapter1 Chapter2 Learning- Evaluative feedback vs Instructive feedback 多臂赌博机 multi-armed bandits action-value ...
原文：强化学习读书笔记 - 02 - 多臂老O虎O机问题
强化学习读书笔记 多臂老O虎O机问题 学习笔记： Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto c , , 数学符号的含义 通用 a 行动 action 。 A t 第t次的行动 select action 。通常指求解的问题。 在老O虎O机问题中 q a 行动 a 的真实奖赏 true ...
2017-02-27 20:02 0 4621 推荐指数：
相关推荐
强化学习读书笔记 - 01 - 强化学习的问题
强化学习读书笔记 - 01 - 强化学习的问题 Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto c 2014, 2015, 2016 什么是强化学习(Reinforcement ...
强化学习读书笔记 - 04 - 动态规划
强化学习读书笔记 - 04 - 动态规划 学习笔记： Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto c 2014, 2015, 2016 数学符号看不懂的，先看看这里： 强化学习 ...
强化学习读书笔记 - 14 - 心理学
强化学习读书笔记 - 14 - 心理学 学习笔记： Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto c 2014, 2015, 2016 参照 Reinforcement ...
强化学习读书笔记 - 08 - 规划式方法和学习式方法
强化学习读书笔记 - 08 - 规划式方法和学习式方法 学习笔记： Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto c 2014, 2015, 2016 需要了解强化学习的数学符号 ...
强化学习读书笔记 - 06~07 - 时序差分学习(Temporal-Difference Learning)
强化学习读书笔记 - 06~07 - 时序差分学习(Temporal-Difference Learning) 学习笔记： Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto c 2014 ...
强化学习读书笔记 - 09 - on-policy预测的近似方法
- 00 - 术语和数学符号 强化学习读书笔记 - 01 - 强化学习的问题 强化学习读书笔 ...
强化学习经典入门书的读书笔记系列--第二篇（上）
正文 区分强化学习和其他种类的学习方式最显著的特点是：在强化学习中，训练信息被用于评估动作的好坏，而不是用于指导到底该是什么动作。这也是为何需要主动去做exploration的原因。纯粹的评估性反馈可以表明一个动作的好坏、但并不能知道当前动作是否是最佳选择或者是最差选择。评估性反馈（包括 ...