原书出处
强化学习入门:从原理到实践
09 9.2.2 不确定行为优先探索
随着针对某一行为的奖励数据越来越多,该行为价值在相同可信区间的上限将接近均值
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/chapter86.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d