范叶亮的博客
leovan.me
本文为 《强化学习系列》 文章 本文内容主要参考自： 1.《强化学习》 1 2. CS234: Reinforcement Learning 2 3. UCL Course on RL 3 马尔可夫模型 马尔可夫模型是一种用于序列数据建模的随机模型，其假设未来的状态仅取决于当前的状态，即： $$ \mathbb{P} \left[S_{t+1} | S_t\right] = \mathbb{P} …
讨论
登录后参与讨论
还没有评论，来说第一句吧。