发简信
IP属地：重庆
-
RL Review part1
1. Basic Word 累计折扣回报：U(t) = r(t) * gamma * r(t+1) + gamma^2 * r(t+2) + ....
-
RL-DQN Coding Problem
经验回放类采样一个batch,zip(*)用于将元组解压拆分: DQN的epsilon采用e-greedy方式进行，需要设置epsilon的衰减...
-
DQN算法实践之速通超级马里奥作为强化学习(Reinforce Learning,RL)的初学者，常常想将RL的理论应用于实际环境，以超级马里奥为例，当看着自己训练的AI...