技术栈
策略网络
nju_spy
2 天前
人工智能
·
强化学习
·
共轭梯度法
·
策略网络
·
trpo
·
sb3_contrib
·
breakout游戏
深度强化学习 TRPO 置信域策略优化实验（sb3_contrib / 手搓 + CartPole-v1 / Breakout-v5）
https://github.com/spy-ban/Reinforcement-Learning/tree/main/TRPO
nju_spy
4 个月前
强化学习
·
南京大学
·
alphago
·
蒙特卡洛树搜索
·
策略网络
·
价值网络
·
随机梯度算法
王树森深度强化学习DRL（三）围棋AlphaGo+蒙特卡洛
深度强化学习(5_5)：AlphaGo_哔哩哔哩_bilibili蒙特卡洛 Monte Carlo_哔哩哔哩_bilibili
我是有底线的