cs231n lec 14 强化学习
cs231n lec 14 reinforcement learning
我正在学习 CS231N，第 14 课，“强化学习”。讲课中讲师提到了价值函数，如图：
我想知道 rt 和 s0 之间的栏是什么？我认为这类似于条件概率，但我不确定。还是只是一个部门？
这是条件概率。它的字面意思是在时间 t、给定状态 s、遵循策略 pi.
时的奖励
我正在学习 CS231N，第 14 课，“强化学习”。讲课中讲师提到了价值函数，如图：
我想知道 rt 和 s0 之间的栏是什么？我认为这类似于条件概率，但我不确定。还是只是一个部门？
这是条件概率。它的字面意思是在时间 t、给定状态 s、遵循策略 pi.