-1

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:

价值函数图

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?

4

1 回答 1

0

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

于 2021-11-11T19:38:14.497 回答