【UCAS强化学习基础】7.Temporal Difference Learning(待更)

后厂村路小狗蛋

于 2025-04-18 19:36:47 发布

阅读量270

点赞数 12

文章标签：人工智能机器人

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_45761762/article/details/147339277

版权

目录

文章目录

目录
Motivation Examples
TD learning of State Values
TD learning of Action Values: Sarsa
TD learning of Action Values: Expected Sarsa
TD learning of Action Values: n-step Sarsa
TD learning of Optimal Action Values: Q-learning
A Unified Point od View
参考资料

Motivation Examples

TD learning of State Values

TD learning of Action Values: Sarsa

TD learning of Action Values: Expected Sarsa

TD learning of Action Values: n-step Sarsa

TD learning of Optimal Action Values: Q-learning

A Unified Point od View

参考资料

《Mathematical Foundations of Reinforcement Learning》-Zhao Shiyu

《强化学习》-UCAS研究生课程

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

打赏作者

后厂村路小狗蛋 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

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。