ReinforcementLearning

强化学习

gym的使用

有空再写

策略网络

1. 2017-10-25 CartPole-v0

   • 值得注意的地方：

     1. loss
     2. 折扣
     3. 批量更新

   • 网络的结构
     多层感知机：两层神经网络

   • 网络学习的内容
     使获得较多潜在价值的Action的概率变大，
     使获得较少潜在价值的Action的概率变小。

   • 网络预测的内容
     根据当前的环境状态，得到使未来潜在价值最大的Action。

价值网络

五子棋

1. 2017-12-25
   • 打基础