倒數(shù)第二段符衔，應為“TF的word2vec實現(xiàn)里柑司，詞頻越大藕漱，詞的類別編號越小，被采樣到的概率越大臀稚×吡耄”
發(fā)簡信
IP屬地：北京
-
-
確實Q[5,5]=0，樓上的看成R[5,5]=100了。
另外樓主的第二次episode公式有誤苍碟，結果倒是正確的酒觅，應該是手誤寫錯了撮执，應該是Q（3,1） = R（3,1）+ 0.8 * max(Q（1,3）微峰，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的基本原理抒钱，最好是像學習bp蜓肆，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谋币，英文原版：http://mnems...