本博客记录了作者从事智能系统研究过程中遇到的问题、解决方法、学习笔记和思想感悟。希望其中的内容对读者有所帮助。
发简信
IP属地：北京
-
-
最近比较火热的深度强化学习
-
-
近端策略优化算法(PPO)首先我们回顾一下“策略梯度方法（PG）”和“信赖域策略优化（TRPO）”。1.策略梯度方法（PG）策略梯度方法通过计算策略梯度的估计并利用随机梯度上升算法来工作。 最常用的梯...
-
首先我们回顾一下“策略梯度方法（PG）”和“信赖域策略优化（TRPO）”。1.策略梯度方法（PG）策略梯度方法通过计算策略梯度的估计并利用随机梯度上升算法来工作。 最常用的梯...
