原书出处
深度学习详解
14 强化学习 14.3.3 使用折扣累积奖励作为评价标准
通过引入折扣因子,可以赋予距离 比较近的那些奖励比较大的权重,而赋予距离 比较远的那些奖励比较小的权重.因此新的 等于 ,距离所采取动作越远,被乘以的次数越多,对 的影响也就越小.
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter14.xhtml
EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc