| 查看: 902 | 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
现代”学阀”该如何界定
已经有10人回复
-
各位大神，目前国内有哪些比较好用的逆合成软件？
已经有15人回复
-
国社科系统bug了，是不是要放榜了？
已经有10人回复
-
课题组招2027级博士 上海工程技术大学 激光智能制造方向
已经有4人回复
-
上海工程技术大学 激光智能制造课题组 2027级博士研究生招生
已经有3人回复
-
上海工程技术大学激光智能制造课题组｜2027级博士研究生招生公告
已经有11人回复
-
申博发邮件
已经有11人回复
-
我的奶奶
已经有3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