文件名称：DeepRL：基于UC Berkeley的CS285的深度强化学习笔记
文件大小：5.91MB
文件格式：ZIP
更新时间：2024-03-08 22:52:30
HTML
深度强化学习 说明：注释内容基于加州大学伯克利分校的CS285。 内容清单 简介与概述 行为监督学习 Tensorflow和神经网络 强化学习导论 政策梯度 演员关键算法 值函数方法 具有Q功能的Deep RL 高级策略梯度 基于模型的计划 基于模型的强化学习 基于模型的政策学习 变异推理和生成模型 控制为推理 逆向强化学习 转移和多任务学习 分布式RL 探索（第1部分） 探索（第2部分） 元学习 信息论，未解决的问题
【文件预览】：
DeepRL-master
----Lectures()
--------2_Supervised_Learning_and_Imitation()
--------4 Introduction to RL()
--------5 Policy Gradients()
----Homeworks()
--------hw1.pdf(111KB)
----README.md(805B)