reinforcement-learning
-
off-policy 学习方法是否优于 on-policy 方法？
-
Q-table表示法
-
ε-贪心策略，探索率下降
-
NEAT 和强化学习之间有什么关系？
-
强化学习，摆python
-
即使可以访问无限数据，dropout 也会改进模型吗？
-
如何在粗麻布中创建图域的初始状态节点？
-
俄罗斯方块的强化学习
-
快速 Q 学习
-
CartPole 任务的最佳 objective 函数是什么？
-
multi-armed 强盗运动的反直觉结果
-
Q-learning 中的探索和开发
-
随机梯度下降和 Q 学习中的小批量处理
-
在 SARSA 中结合转移概率
-
在 Q Learning 中，你如何才能真正获得 Q 值？ Q(s,a) 不会永远持续下去吗？
-
q-learning 中的迭代和奖励
-
为什么我的神经网络 Q-learner 不学习井字游戏
-
如何访问 Tensorflow 中循环单元的权重？
-
如何实施动作掩蔽？
-
Pybrain强化学习；状态维度