策略梯度(Policy Gradient, PG)方法的核心思想在于是能获得更好的回报的动作的采样概率不断提高，使获得更少回报的动作的采样概率不断降低，从而达到一个最优的策略。
2022-10-22 09:07:51
7KB
深度学习算法RNN算法numpy复现内含数据集，循环神经网络（Recurrent Neural Networks, RNN）主要用于时序数据，最常见的时序数据如文章，视频等，t时刻的数据与t−1时刻的数据存在内在的联系。RNN模型能够对这样的时序数据建模。
2022-10-17 09:06:52
5KB