| 查看: 893 | 回复: 4 | ||
[求助]
关于reinforcement learning: an introduction中通过policy产生episode的问题 已有1人参与
|
| 在读reinforcement learning: an introduction这本书的时候，伪代码里面经常出现generate an episode using \pi, 但是也没有说具体怎么产生。看到有一个例子里面，说产生的是s0, a0, r0, s1, a1, r1, ....也就是说会产生state, action 和reward,那么请问 这里的s0, s1是随机的吗？有没有人有关于通过policy产生episode的具体例子或者材料？谢谢 |
回复此楼» 猜你喜欢
有多少人是今天查系统知道结果的？
已经有17人回复
-
为什么资助数各大高校都创新高，自己申请怎么就这么难
已经有3人回复
-
基金未中，这种答复是模板吗？
已经有4人回复
-
导师吐槽：我怎么摊上了这么个极品研究生！
已经有5人回复
-
怎么看青基中了没有啊
已经有5人回复
-
梦想
已经有3人回复
-
面上合作单位盖章
已经有3人回复
-
看板上这么多中的，有点像50人群里49个人都是骗子的那种感觉……
已经有5人回复
-
基金不中，共勉
已经有7人回复
-
为什么 国际(地区)合作与交流项目 没有放榜？
已经有11人回复
» 本主题相关商家推荐: (我也要在这里推广)
dreamrequiem
木虫 (小有名气)
- 应助: 17 (小学生)
- 金币: 3948.3
- 红花: 3
- 帖子: 186
- 在线: 1215.4小时
- 虫号: 1302136
- 注册: 2011-05-21
- 专业: 人工智能与知识工程
2楼2014-02-28 11:45:07
3楼2014-02-28 12:06:47
dreamrequiem
木虫 (小有名气)
- 应助: 17 (小学生)
- 金币: 3948.3
- 红花: 3
- 帖子: 186
- 在线: 1215.4小时
- 虫号: 1302136
- 注册: 2011-05-21
- 专业: 人工智能与知识工程
4楼2014-02-28 12:41:08
5楼2014-02-28 12:52:26
投票:
10