原书出处
强化学习入门:从原理到实践
10 10.4.3 搭建策略价值网络并进行策略提升
定义损失函数 loss = (z - v)^2 - pi^T * log(p)
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/chapter95.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d