大多數(shù) RL 是由 reward 導向的
qlearning的原理就是一個數(shù)學公式：
2-1-1.png
Screen Shot 2017-09-21 at 17.06.20.png
Q-Learning
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
- 文/潘曉璐 我一進店門锌畸，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人靖避，你說我怎么就攤上這事潭枣。” “怎么了幻捏？”我有些...
- 文/不壞的土叔 我叫張陵盆犁，是天一觀的道長。 經(jīng)常有香客問我篡九，道長蚣抗，這世上最難降的妖魔是什么？ 我笑而不...
- 正文 為了忘掉前任瓮下，我火速辦了婚禮翰铡，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘讽坏。我一直安慰自己锭魔，他們只是感情好，可當我...
- 文/花漫 我一把揭開白布路呜。 她就那樣靜靜地躺著迷捧，像睡著了一般织咧。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上漠秋，一...
- 文/蒼蘭香墨 我猛地睜開眼，長吁一口氣：“原來是場噩夢啊……” “哼求晶！你這毒婦竟也來了焰雕？” 一聲冷哼從身側(cè)響起，我...
- 正文 年R本政府宣布棍现，位于F島的核電站，受9級特大地震影響镜遣，放射性物質(zhì)發(fā)生泄漏己肮。R本人自食惡果不足惜，卻給世界環(huán)境...
- 文/蒙蒙 一悲关、第九天 我趴在偏房一處隱蔽的房頂上張望谎僻。 院中可真熱鬧，春花似錦寓辱、人聲如沸艘绍。這莊子的主人今日做“春日...
- 文/蒼蘭香墨 我抬頭看了看天上的太陽诱鞠。三九已至挎挖，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間航夺，已是汗流浹背蕉朵。 一陣腳步聲響...
推薦閱讀更多精彩內(nèi)容
- 基于tensorflow的最簡單的強化學習入門-part0：Q學習和神經(jīng)網(wǎng)絡 本文翻譯自 Simple Reinf...
- Neil Zhu涮俄，簡書ID Not_GOD，University AI 創(chuàng)始人 & Chief Scientist...
- 今天,來說說q-learning.在我最近學習機相關(guān)資料后.首先關(guān)于q-learning 是一個馬爾科夫決策的過程...
- 算法 強化學習的目標是學習一個行為策略π：S→A尸闸，使系統(tǒng)選擇的動作能夠獲得環(huán)境獎賞的累計值最大彻亲，也使得外部環(huán)境對學...
