| 查看: 756 | 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
生物学学硕求调剂
已经有10人回复
-
上海电力大学材料防护与新材料重点实验室招收调剂研究生（材料、化学、电化学，环境）
已经有4人回复
-
材料学求调剂
已经有6人回复
-
303求调剂
已经有5人回复
-
一志愿武理085500机械专业总分300求调剂
已经有7人回复
-
考研调剂
已经有4人回复
-
281求调剂
已经有4人回复
-
0805 316求调剂
已经有6人回复
-
085601求调剂总分293英一数二
已经有3人回复
-
08工学调剂
已经有17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
