0/1000

全部

DQN 将深度学习与 Q-Learning 结合，使用神经网络逼近 Q 函数，能处理高维、连续状态空间问题。
1
SARSA 是一种基于策略的强化学习算法，与 Q-Learning 不同，其更新依赖于策略内的实际动作选择。
评论
Q-Learning 是强化学习的基本算法，通过更新 Q 表格估算状态-动作价值。其更新规则基于 Bellman 方程。
评论
强化学习中，探索新策略和利用现有策略需平衡。常用方法包括 ϵϵ-贪婪策略和 Upper Confidence Bound (UCB)。
评论
策略是强化学习的核心，定义从状态到动作的映射。可分为确定性策略和随机策略，后者对探索更友好。
评论
策略是强化学习的核心，定义从状态到动作的映射。可分为确定性策略和随机策略，后者对探索更友好。
评论
强化学习的理论基础是 MDP，包括状态集、动作集、状态转移概率、奖励函数和折扣因子，用于建模决策问题。
评论
强化学习通过试错学习策略，而监督学习依赖标注数据。强化学习关注长期奖励，监督学习则着重准确性。
评论
强化学习是一种通过与环境交互，基于奖励和惩罚优化策略的机器学习方法。关键组成包括环境、状态、动作、奖励和策略。
评论
协程的理解？怎么使用？ 协程的作用：是在执行函数A时可以随时中断去执行函数B，然后中断函数B继续执行函数A（可以自由切换）。 但这一过程并不是函数调用，这一整个过程看似像多线程，然而协程只有一个线程执行。 python2.x实现协程的方式有： yield + send gevent Python3.x协程：
1

公告

推荐

超 12G 人工智能学习资料电子书，包含 Python、深度学习、深度

直播

暂无直播