正在加载...
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
【DeepMind】56页PPT详解off-policy deep RL
实验室官方助手
PDF下载链接：
munos-off-policy-drl.pdf
5MB
.
PDF下载链接：
munos-off-policy-drl.pdf
5MB
gingkg
请问这个怎么理解？
II是想打连乘符号打错了吗？
如果是连乘，这个式子又是什么意思？令Q最大的动作的连乘再乘\lambda?
Document
