强化学习笔记(一):策略梯度Policy Gradient 一.先说几句 强化学习通过学习任务可以分为模型学习、值函数学习和策略学习。模型学习,也称基于模型的方法(Model-based Method),是指在和环境的交互过程中会对环境进行建模,可以将学习任务转化成规划任务,也就是说在学习的过程中, ... 神经网络 建模 强化学习 概率函数...