倒數(shù)第二段，應為“TF的word2vec實現(xiàn)里，詞頻越大湃密，詞的類別編號越小私沮，被采樣到的概率越大三娩⌒恚”
發(fā)簡信
IP屬地：北京
-
-
確實Q[5,5]=0巩梢，樓上的看成R[5,5]=100了袍睡。
另外樓主的第二次episode公式有誤知染，結(jié)果倒是正確的，應該是手誤寫錯了斑胜，應該是Q（3,1） = R（3,1）+ 0.8 * max(Q（1,3）控淡，Q(1,5))=0 + 0.8 * max(0,100) = 80增強學習 Q-learning
對于小白菜來說，首先是了解Q-learning的基本原理止潘，最好是像學習bp掺炭，學習CNN一樣可以將一條計算走通，這里分享比較好理解的兩個博客凭戴，英文原版：http://mnems...