原书出处
深入浅出强化学习:原理入门
14 第14章 基于模型的强化学习方法:PILCO及其扩展
O概率描述图,其中灰底圆圈代表可观测的随机变量,白底圆圈表示未知随机变量。 图14.6 带有滤波的PILCO概率图描述
与 PILCO 不同,带有噪声的系统的真实状态空间是未知的,只能通过观测值得到状态空间的置信空间。预测和规划都在置信空间中进行。
带有滤波的PILCO算法与如图14.7所示的原PILCO算法伪代码相同。不同的地方在第8行(图14.7)和第5行。第8
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00025.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57