我的博客

李宏毅深度强化学习笔记（一） 参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87905272 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 Policy Gradient 术语和基本思想 基本组成: actor (即policy gradie...

李宏毅深度强化学习笔记（二）Proximal Policy Optimization 参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87905272 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 Proximal Policy Optimiza...

李宏毅深度强化学习笔记（三）Q-learning（basic idea） 参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87905272 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 Q-Learning介绍 基本思想 Q-learning – v...

参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87907470 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 李宏毅深度强化学习笔记（四）Q-learning（Advanced Tips） Double DQN 由于Q值总是基于使得Q最大的acti...

参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87907470 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 李宏毅深度强化学习笔记（五）Q-learning（Continuous Action） 连续行动下的 Q-Learning 连续行动:...

参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87990012 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 李宏毅深度强化学习笔记（七）Sparse Reward Reward Shaping 当reward的分布非常分散时，对于机器而言学习...

参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/88051963 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 李宏毅深度强化学习笔记（八）Imitation Learning 为什么要模仿学习 Imitation Learning (也称为 l...

参考jessie_weiqing博客：https://blog.youkuaiyun.com/cindy_1102/article/details/87988606 李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071 Asynchronous Advantage Actor-Critic (A3C) 回顾 – Policy Gradient 先对po...