Reinforcement learning on a tiny problem: returns, values and Q-learning
Before eight servos, a 4 by 4 floor with two holes. Discounted returns, value functions and Q-learning, worked out by hand and then in 50 lines of Python.
Ez az oldal még nincs lefordítva, ezért angolul jelenik meg.
Ez a lecke a fizetős tanfolyam része. Minden tanfolyam első leckéje ingyenes.
Rendelés e-mailben24 EUREgy napon belül válaszolunk a fizetési adatokkal (átutalás vagy PayPal), és a fizetés után azonnal e-mailben küldjük a fájlokat.