原书出处
强化学习入门:从原理到实践
09 9.1 多臂游戏机
Δa为最优价值V*与a行为对应的价值之间的差
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/chapter84.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d
原书出处
09 9.1 多臂游戏机
Δa为最优价值V*与a行为对应的价值之间的差
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/chapter84.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d