【David Silver-强化学习笔记】p1、Introduction

涛涛北京

于 2020-02-21 11:40:25 发布

阅读量738

点赞数 1

CC 4.0 BY-SA版权

分类专栏：强化学习 #David Silver

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_43522964/article/details/104425034

这篇博客是关于David Silver强化学习课程的笔记，介绍了RL与其它机器学习范式的区别，包括延迟反馈、非独立同分布等特性。讲解了RL的核心概念，如奖励、目标、代理与环境、状态、MDP与POMDP。此外，还概述了RL代理的组成部分：策略、价值函数和模型，并探讨了学习与规划、探索与利用、预测与控制等问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、课程介绍

1.1资源

课件：http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
教材：http://incompleteideas.net/book/
代码：https://github.com/ShangtongZhang
笔记：https://zhuanlan.zhihu.com/reinforce

国内课件：https://www.bilibili.com/video/av45357759?p=2
国内教材：https://rl.qiwihui.com/zh_CN/latest/index.html
B站视频：https://www.bilibili.com/video/av45357759
在这里插入图片描述

第一本教材适合入门400页，课程以第二版为参考。
第二本教材100页，是算法，值得研究。

二、The characteristic of RL in machine learning

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。