banner
Nagi-ovo

Nagi-ovo

Breezing homepage: nagi.fun
github
主页归档作品集日寄友链

actor-critic

cover
cover
cover
cover
cover
cover
cover
cover

Actor Critic 方法初探

方差问题 策略梯度（Policy Gradient）方法因其直观和有效性而备受关注。我们之前探讨过Reinforce算法，它在许多任务中表现良好。然而，Reinforce 方法依赖于蒙特卡洛（Monte Carlo）采样来估计回报，这意味着我们需要使用整个回合的数据来计算回报…
actor-critic
此博客数据所有权由区块链加密技术和智能合约保障仅归创作者所有。