Reinforcement Learning 短评

  • 0 𓃫 2019-01-16

    只读了部分章节 写的很清楚

  • 0 Ethane 2019-06-06

    可以交流一下exercise的答案?

  • 0 Cat Helix 2019-04-14

    看了前两部分

  • 0 quantang 2019-06-12

    不好读。

  • 0 罗磊爱吃锅包肉 2019-03-09

    写的很系统,把之前散落在读论文里的各个知识点都串起来了,推荐,另外有随书的代码在github上

  • 0 memory error 2019-03-22

    正确的元策略应该有一定的随机性

  • 0 H+O2=HO2 2019-05-07

    随着上课看了下, 有时间再把后几张case看下

  • 1 ERIC 2019-04-05

    第二版是98年第一版基础上修订的,在原有基础上增加了一些神经网络相关算法。但原有知识架构还是比较老的,不过非常适合刚接触RL的新手。我只看了前三章基础,后面选择性看了几个重要的章节。前三章虽然基础,但内容非常引人入胜,语言逻辑清晰便于理解,从最基础的MDP讲起到Monte Carlo方法、到经典dynamic programing,后面章节再逐渐到用的最广的Q-learning和policy gradient等方法,一步一步加深完善,便于系统学习知识。Richard Sutton的RL经典,推荐!

  • 0 brokilon 2019-02-20

    online/offline, onpolicy/offpolicy, function approximation/no FA排列组合。 在蒙特利尔本来有作者签名会的我没去,因为我的真爱是David Silver! <3

  • 第一页
  • 前一页
  • 后一页