你即將離開本站

並前往https://www.getit01.com/p201711249297/

RL兩大類演算法的本質區別？（Policy Gradient 和Q-Learning

上式的意思是： 我們調整的梯度，會增加positive reward的trajectory (state-action sequence) 的概率，而減小negative reward的trajectory的概率。

確定！ 回上一頁

查詢 「trajectory意思」的人也找了：

  1. trajectory醫學中文
    2.
  2. trajectory中文解釋
    3.
  3. Trajectory
    4.
  4. Trajectory meaning
    5.
  5. trajectory用法
    6.
  6. Trajectory data
    7.
  7. Orthogonal trajectory
    8.
  8. growth trajectory中文
    9.