基本概念包括：
兩部分：agent智慧型體，environment 環境
三要素：state狀態，動作action，reward獎勵。
agent學習兩種策略
基於價值的value-based:隨機性策略，代表性的有sarsa，q-learning,dqn
基於策略的policy-based:隨機性策略，代表方法：policy gradient
第二課：**型方法
方法包括sarsa方法：
on-policy策略，優化實際執行策略。
q_learning方法：
off-policy策略。
神經網路方法求解強化學習-dqn
本質上dqn還是q_learning方法
sarsa:是on-online
神經網路方式
策略梯隊演算法
連續動作空間上上求解rl
百度強化學習框架PARL入門強化學習
parl框架github鏈結 parl框架gitee鏈結 走過路過不要錯過歡迎同學們點下star支援一下咱們的自己的框架 監督學習和非監督學習的輸出為 是什麼 是乙個判斷，多用於聚類和回歸問題。比較經典的案例如手寫數字體識別，房價 強化學習的輸出是 決策 通常用於策略類問題，比如阿爾法狗就是典型的強...
百度強化7日打卡學習心得
強化學習包含智慧型體和智慧型體所在的環境兩部分，如下圖，智慧型體又要和環境進行互動，互動主要是指智慧型體的動作會根據環境的狀態獲得獎勵或懲罰，如下圖，強化學習的應用也很廣泛，如下圖，強化學習和其他學習的關係，如下圖，強化學習對比其他學習注重的是決策問題，通過智慧型體與周邊環境的互動學會了如何能獲得更...
2020百度強化學習培訓體會
感謝美麗的科科老師，加班加點地用心備課和深入淺出的講解，讓我這個對強化學習一無所知的門外漢，也有機會登堂入室，一窺強化學習的奧妙與強大。一 相對於保守安全的sarsa演算法 也許是我功夫還不到吧，在cliffwalking遊戲中，雖然agent每次都成功的避開了懸崖旁邊的危險路徑，但經常是執行結果大...