课程目录136 节查看完整学习地图

强化学习和后训练(上)

先给反馈,更新一次,再比较同题回答。

  • 区分策略、动作与奖励
  • 观察正负反馈怎样改变概率
  • 算出同题回答的相对优势

预计学习:25–40分钟

完整讲解与实验需要课程权益,Q&A 免费阅读。

进入完整课程

前往中国大陆版?

你的网络位于中国大陆。前往大陆版,可使用微信登录。

前往大陆版