原书出处
强化学习入门:从原理到实践
04 4.3 n步时序差分学习
使用这n个状态产生的即时奖励(Rt+1,Rt+2,…,Rt+n)以及状态St+n预估价值
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/chapter29.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d