学习

• 13-1 人类反馈式强化学习概述 试看
• 13-2 强化学习基本概念+策略 试看
• 13-3 强化学习基本概念+值函数
• 13-4 贝尔曼方程介绍
• 13-5 随机策略梯度算法
• 13-6 【实战】强化学习实战之环境建模
• 13-7 【实战】强化学习实战之策略评估
• 13-8 【实战】强化学习实战之策略优化