reinforcement-learning
-
Q-learning with a state-action-state reward structure and a Q-matrix with states as rows and actions as 列
-
使用神经网络的情景半梯度 Sarsa
-
选择具有近似值的 On-Policy 预测函数
-
如何防止 lambda = 1 的 SARSA 中的资格跟踪因访问次数过多的状态-动作对而爆炸？
-
有没有办法在pytorch中使用外部损失函数？
-
TD(0)学习中如何选择动作
-
如何在 RL 程序中设置即时奖励？
-
深度 Q 学习中的优先经验回放
-
使用 softmax 进行 Keras 强化训练
-
为什么 RMSProp 被认为是 "leaky"？
-
无法使用 Tensorflow 使我的带有 LSTM 层的 A3C 工作
-
强化学习中价值迭代的基本案例
-
在 openai cartpole 上训练一个 tensorflow 模型
-
如何用回归而不是分类进行强化学习
-
Python 游戏神经网络。如何设置输入
-
如何在 keras-rl / OpenAI GYM 中实现自定义环境？
-
Tensorflow：图的不同路径之间tf.gradients
-
OpenAI Gym：理解 `action_space` 符号 (spaces.Box)
-
OpenAI gym：如何获取 ATARI 环境的完整列表
-
TensorFlow 中的资格跟踪