《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 - 06~07 - 时序差分学习(Temporal-Difference Learning)
强化学习读书笔记 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 , , 数学符号看不懂的，先看看这里： 强化学习读书笔记 术语和数学符号 时序差分学习简话 时序差分学习结合了动态规划和蒙特卡洛方法，是 ...
2017-03-09 15:23 0 9976 推荐指数：
相关推荐
强化学习-时序差分算法（TD）和SARAS法
1. 前言 我们前面介绍了第一个Model Free的模型蒙特卡洛算法。蒙特卡罗法在估计价值时使用了完整序列的长期回报。而且蒙特卡洛法有较大的方差，模型不是很稳定。本节我们介绍时序差分法，时序差分法不需要完整的序列，并且利用Bellman公式和动态规划进行迭代。 2. 时序差分和蒙特卡洛比较 ...
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 - 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 - 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（七）时序差分离线控制算法Q-Learning
在强化学习（六）时序差分在线控制算法SARSA中我们讨论了时序差分的在线控制算法SARSA，而另一类时序差分的离线控制算法还没有讨论，因此本文我们关注于时序差分离线控制算法，主要是经典的Q-Learning算法。 Q-Learning这一篇对应Sutton书的第六章部分和UCL ...
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 ...