原书出处
机器学习公式详解
16 第16章 强化学习
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.
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
原书出处
16 第16章 强化学习
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.
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