RL-总结

这篇博客深入探讨了强化学习的基本概念,包括Q学习、DQN和Policy Gradient等算法,并提供了Lilian Weng的两篇详细文章,介绍了如何使用Tensorflow实现深度强化学习模型。此外,还分享了Mario Martin的RL算法思维导图和资源链接,是理解及应用强化学习的宝贵资料。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

-RL
==================================

-

==================================

-Mario Martin mindmap
https://www.cs.upc.edu/~mmartin/URL/MindmapRLAlgorithms.pdf

-
========================================

Mario Martin's Reinforcement Learning
https://www.cs.upc.edu/~mmartin/url-RL.html

强化学习R.Sutton,中译
https://blog.youkuaiyun.com/u013695457/category_7678906.html
张会文 https://www.zhihu.com/people/zhang-wen-5-82/posts?page=6

Lilian Weng Blog,OpenAI ,2018~

A (Long) Peek into Reinforcement Learning
https://lilianweng.github.io/lil-log/2018/02/19/a-long-peek-into-reinforcement-learning.html
Implementing Deep Reinforcement Learning Models with Tensorflow + OpenAI Gym
https://lilianweng.github.io/lil-log/2018/05/05/implementing-deep-reinforcement-learning-models.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值