One Forth
A10人工智能

强化学习

One Forth

Markov 决策过程、价值方法、策略梯度与离线强化学习。

3 编 · 6 章

开始本册

目录

6 章

第一编 决策过程与价值

  1. 01

    Markov 决策过程与 Bellman 方程

  2. 02

    动态规划、Monte Carlo 与时序差分

第二编 控制与策略

  1. 03

    Q-learning、探索与函数逼近

  2. 04

    策略梯度、actor–critic 与优势估计

第三编 高级强化学习与综合复习

  1. 05

    基于模型、离线与多智能体强化学习

  2. 06

    稳定性、评估与强化学习综合复习

先修教材

相关教材

参考资料