秦时月

明月几时有？
把酒问青天。

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A012actor-critic-%E6%96%B9%E6%B3%95/image.png

强化学习(12)：Actor-Critic 方法

秦时月发布于 2026-06-15 收录于强化学习

策略学习与价值估计的结合

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A011%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6%E6%96%B9%E6%B3%95%E4%BB%8E%E4%BB%B7%E5%80%BC%E5%AD%A6%E4%B9%A0%E5%88%B0%E7%9B%B4%E6%8E%A5%E4%BC%98%E5%8C%96%E7%AD%96%E7%95%A5/image.png

强化学习(11)：策略梯度方法——从价值学习到直接优化策略

秦时月发布于 2026-06-12 收录于强化学习

当动作空间变成连续形式

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A010dqn-%E6%94%B9%E8%BF%9B%E6%96%B9%E6%B3%95double-dqn-%E4%B8%8E-dueling-dqn/image.png

强化学习(10)：DQN 改进方法——Double DQN 与 Dueling DQN

秦时月发布于 2026-06-01 收录于强化学习

从目标估计到网络结构

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A09dqn%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E4%BB%B7%E5%80%BC%E7%BD%91%E7%BB%9C/image.jpg

强化学习(9)：DQN——从 Q-learning 到深度价值网络

秦时月发布于 2026-05-25 收录于强化学习

用神经网络表示动作价值函数

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A08%E5%80%BC%E5%87%BD%E6%95%B0%E8%BF%91%E4%BC%BC%E4%BB%8E%E8%A1%A8%E6%A0%BC%E6%96%B9%E6%B3%95%E5%88%B0%E5%87%BD%E6%95%B0%E8%A1%A8%E7%A4%BA/image.png

强化学习(8)：值函数近似——从表格方法到函数表示

秦时月发布于 2026-05-25 收录于强化学习

从表格强化学习走向深度强化学习

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A07%E8%A7%84%E5%88%92%E4%B8%8E%E5%AD%A6%E4%B9%A0dyna-q-%E7%9A%84%E5%9F%BA%E6%9C%AC%E6%80%9D%E6%83%B3/image.png

强化学习(7)：规划与学习——Dyna-Q 的基本思想

秦时月发布于 2026-04-23 收录于强化学习

在学习中习得模型

1
2
3
6