倒數(shù)第二段坛悉，應(yīng)為“TF的word2vec實(shí)現(xiàn)里，詞頻越大，詞的類別編號(hào)越小，被采樣到的概率越大峦椰●帽伲”
發(fā)簡(jiǎn)信
IP屬地：內(nèi)蒙古
-
-
確實(shí)Q[5,5]=0绎晃，樓上的看成R[5,5]=100了泊柬。
另外樓主的第二次episode公式有誤椎镣，結(jié)果倒是正確的，應(yīng)該是手誤寫錯(cuò)了兽赁，應(yīng)該是Q（3,1） = R（3,1）+ 0.8 * max(Q（1,3）状答，Q(1,5))=0 + 0.8 * max(0,100) = 80增強(qiáng)學(xué)習(xí) Q-learning
對(duì)于小白菜來(lái)說(shuō)，首先是了解Q-learning的基本原理刀崖，最好是像學(xué)習(xí)bp惊科，學(xué)習(xí)CNN一樣可以將一條計(jì)算走通，這里分享比較好理解的兩個(gè)博客亮钦，英文原版：http://mnems...