强化学习方法

3 篇文章 1 个主题模块 进入文章后，左侧会展开本课程章节

01 第 09 门课程

  1. 01 强化学习与策略梯度：状态、行动、回报与 REINFORCE 本文围绕“强化学习与策略梯度：状态、行动、回报与 REINFORCE”对课程 ASR 进行高密度论文式重构，并围绕 reinforcement learning、MDP、policy、return、policy gradient 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
  2. 02 Actor–Critic：策略网络、价值基线与优势函数 本文围绕“Actor–Critic：策略网络、价值基线与优势函数”对课程 ASR 进行高密度论文式重构，并围绕 Actor-Critic、critic、baseline、advantage、TD error 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
  3. 03 PPO：近端策略优化、重要性比率与裁剪目标 本文围绕“PPO：近端策略优化、重要性比率与裁剪目标”对课程 ASR 进行高密度论文式重构，并围绕 PPO、policy ratio、clipped surrogate objective、on-policy、advantage estimation 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和 →