...

leixy

讲义3.1三连棋游戏第一步走中间
2133
讲义4.3Q-learning
2072
讲义6.5REINFORCE算法
2075
讲义6.3策略梯度定理的推导
2059
讲义7.3~7.4Actor-Critic的算法流程
2066
7.2 Actor-Critic的思想
780
7.1 策略梯度方法的缺点
787
7.3_7.4 Actor-Critic的算法流程
782
讲义7.2Actor-Critic的思想
2042
讲义2.4探索与利用的意义
142
讲义2.4探索与利用的意义
2048
讲义7.6DDPG的算法流程
2067
讲义7.5广义优势函数估计
2018
讲义6.4蒙特卡罗方法
2027
讲义6.2随机性策略梯度方法
2014
讲义6.1基于策略的思想
2028