← 返回卡片

原书出处

强化学习入门:从原理到实践

04 4.2 时序差分强化学习

核验版本的摘录快照 · 导入于 2026-11-20T14:14:32.059Z

TD和DP用后续状态的预估价值作为自举的数据来计算当前状态的价值

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/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter28.xhtml

EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d