| 查看: 864 | 回复: 4 | ||
| 当前只显示满足指定条件的回帖,点击这里查看本话题的所有回帖 | ||
[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 |
» 猜你喜欢
综述论文作为代表作会不会影响评审专家的印象分?
已经有10人回复
奇怪,两个人的filecode固定段从头到尾一模一样
已经有3人回复
国自然结果
已经有5人回复
8月时间戳变的,举个手。玩一下,释放压力
已经有12人回复
我的国基提前知道中了,可是同事的操作让我实在接受不了,怎么会有这样的人
已经有8人回复
据悉今年马上要出结果了
已经有8人回复
关于代码变化问题,想知道的进来
已经有23人回复
FileCode能看出啥?
已经有6人回复
应该是93bebmhtak前后十一个字符比较关键
已经有20人回复
2026国自然放榜时间
已经有9人回复
» 本主题相关商家推荐: (我也要在这里推广)
5楼2014-02-28 12:52:26
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










回复此楼
20