腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
深度强化学习实验室
专栏成员
举报
91
文章
170702
阅读量
44
订阅数
订阅专栏
申请加入专栏
全部文章（91）
强化学习（56）
编程算法（45）
https（28）
网络安全（24）
深度学习（20）
神经网络（19）
机器学习（17）
人工智能（12）
游戏（12）
github（11）
开源（8）
监督学习（7）
linux（6）
http（6）
python（5）
git（4）
api（4）
tensorflow（3）
腾讯云测试服务（3）
分布式（3）
迁移学习（3）
学习方法（3）
模型（3）
算法（3）
自动驾驶（2）
go（2）
html（2）
批量计算（2）
无人驾驶（2）
unity（2）
机器人（2）
技巧（2）
论文（2）
系统（2）
性能（2）
优化（2）
渠道代理（1）
NLP 服务（1）
c++（1）
.net（1）
scala（1）
bootstrap（1）
node.js（1）
ajax（1）
sqlalchemy（1）
ide（1）
金融（1）
自动化（1）
numpy（1）
keras（1）
无监督学习（1）
云计算（1）
google（1）
gradient（1）
model（1）
pdf（1）
policy（1）
split（1）
编码（1）
测试（1）
代理（1）
翻译（1）
工作（1）
框架（1）
排序（1）
排序算法（1）
实践（1）
数据（1）
网络（1）
原理（1）
搜索文章
搜索
搜索
关闭
DeepMind发布强化学习库 RLax
ajax
强化学习
git
github
开源
强化学习主要用于研究学习系统（智能体）的问题，该学习系统必须学习与环境进行交互的信息。智能体和环境在不连续的步骤上进行交互。在每个步骤中，智能体都会选择一个动作，并会提供一个返回的环境状态（观察）状态（部分）和标量反馈信号（奖励）。智能体的行为以行为的概率分布为特征，该分布取决于对环境（策略）的过去观察。智能体寻求一种策略，该策略将从任何给定步骤中最大化从该点开始（返回）将收集的折扣累积奖励。智能体策略或环境动态本身通常是随机的。在这种情况下，回报是一个随机变量，并且通常将更精确的智能体策略指定为在智能体和环境的随机性下最大化回报期望（值）的策略。
深度强化学习实验室
2020-02-25
831
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪，探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
