← 返回卡片

原书出处

机器学习公式详解

16 第16章 强化学习

核验版本的摘录快照 · 导入于 2026-11-20T14:00:07.546Z

而表示步的奖赏,即状态变化到的奖赏加上前面步奖赏总和的折扣,因此这个式子成立.

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习公式详解/_epub-src/text/part0022.html

EPUB SHA-256:3f52f14346ec43f1bc569a06c7f500ac80a018b0ab81f85b7c829d3971dab3b7