技术栈
汤普森采样
nju_spy
3 小时前
人工智能
·
python
·
强化学习
·
actor-critic
·
多臂老虎机
·
汤普森采样
·
探索与利用
动手学强化学习上交张伟楠（一）导论 + 多臂老虎机 MAB（ε-greedy+上置信界+汤普森采样）
B站视频网页版教材强化学习导论与多臂老虎机（MAB）核心内容。导论部分梳理了价值学习、策略学习及 actor-critic 三种架构，阐述深度强化学习的参数化优势与前沿研究方向；
我是有底线的