- 博客(5)
- 收藏
- 关注
RSS订阅原创 强化学习入门【3】：一些算法
蒙特卡洛方法主要用于给定策略下，估计每个状态或每个状态-动作对的值函数核心思想是通过大量随机采样来逼近某个期望值或概率分布AWR是一种基于回归的离线强化学习算法，它更像是一种行为克隆（Behavior Cloning）的变体通过优势函数来加权过往的经验，并使用这些加权的经验进行回归来优化策略，而不是通过梯度直接优化策略适合离线强化学习场景，智能体通过已收集的数据进行学习。
2024-09-20 11:27:16
982
原创 强化学习入门【2】：策略更新
参考：ChatGPT(加上个人理解，如有错误，欢迎指正指智能体通过基于新的状态和奖励来更新其策略，可以分为和两大类。
2024-09-20 11:26:28
582
原创 增量学习入门【2】：知识铺垫
参考：文献《连续学习研究进展》文献《Deep Class-Incremental Learning: A Survey》
2023-12-12 21:36:31
937
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人