本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第七讲，主要介绍直接型RL的策略梯度法，包括各类Policy Gradient, 以及如何从优化的观点看待RL等。
2021-07-09 16:08:09
2.17MB
1