原书出处
人工智能:现代方法(第4版)(上下册)
22 强化学习 22.2.3 时序差分学习
由于此更新规则使用了相继状态(以及相继时间)之间效用的差分,因此通常被称为时序差分(temporal-difference,TD)方程。与第19章中介绍的权重更新规则类似,如19.6节的式(19-6),TD项实际上是关于误差的信息,更新旨在减少该误差。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0043_split_002.html
EPUB SHA-256:08e843df8e2d2e0d28fb8c0ab741bd717c1107db73217c8f5c553b434020c660