原书出处
现代人工智能技术
08 强化学习
可以直接模仿这个专家在环境中交互的状态动作数据来训练一个策略而不需要环境反馈的奖励信号
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml
EPUB SHA-256:60380b4c2c329baddf7e96038a43e5c5e544916728704408383dbad7fd4a5b36