算法"/>
上一章介绍了 Q 学习的表格形式和神经网络形式（即 DQN）。 TD 算法是一大类算法的总称。上一章用的 Q 学习是一种 TD 算法， Q 学习的目的是学习最优动作价值函数 Q ⋆ Q_⋆ Q⋆
本章介绍 SARSA，它也是一种 TD 算法， SARSA 的目的是学习动作价值函数 Q π ( s , a ) Q_π(s,a) Qπ(s,a)。
更多推荐
深度强化学习 第 5 章 SARSA 算法
>www.elefans.com
编程频道|电子爱好者 - 技术资讯及电子产品介绍！
从源“http://localhost:5173”访问“...”处的 XMLHttpRequest 已被 CORS 策略阻止 
币安API错误代码1102，未发送强制参数“时间戳” 
如果我在bot telegram nodejs中使用editMessageMedia，我如何制作标题 
在 Node.js 中从网络流创建 blob 
使用 Node.js / ES6 如何设置 dotenv 文件的自定义路径？ 
使用 NODE.JS 和 html5 实现低延迟（50 毫秒）视频流 
如何从nodejs连接laravel>laravel 
使用nodejs观看目录 
如果文件包含特定字符串，如何跳过 GitHub 工作流程步骤？ 
FirebaseError：无法从.env加载环境变量
发布评论