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
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
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