reinforcement-learning - cs231n lec 14 强化学习

Question

我正在学习 CS231N，第 14 讲，“强化学习”。在讲座中，讲师提到了价值函数，如图所示：

我想知道rtand之间的那个酒吧是什么s0？我认为这类似于条件概率，但我不确定。还是只是一个部门？

Answer 1

这是条件概率。它的字面意思是在时间t、给定状态s、遵循政策时的奖励pi。