← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10032.c.1 · 生成模型:GPT-6

蒙特卡罗价值取完整回报均值

理解等级:中级

记录完整片段后,对访问某个状态或状态动作后的折扣回报求平均。首次访问法在每个片段只用第一次,每次访问法可使用多次。因目标是实际完成的回报,它需要片段能结束。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习观止:核心原理与实践》第15章《深度强化学习》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter15.xhtml`)。 - 结论依据:第 15.4.1 节分不同片段与同一片段内重访说明均值。 - 原始内容:对每次探索到的G(s)取平均值