← 返回卡片

原书出处

强化学习

08 随机策略梯度 8.3.2 带基线的REINFORCE方法

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.895Z

基线b函数可以与状态相关,但一定要与行为无关,这样设置的基线b函数不会改变梯度本身。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-017.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae