DDPG（deep deterministic policy gradient），深度确定性策略梯度算法。

上文我们介绍了使用简单的Random Guessing Algorithm & Hill Climbing 算法来解决CartPole问题，主要在决策动作这个步骤进行了修改，但是上文介绍的方法都是随机改变权重，针对简单问题参数量比较少的问题可能会得到比较好...

在基于价值算法中，是根据值函数对策略进行改进，对比基于策略的方法，他的决策更为肯定就是选择价值最高的；而基于策略方法，是直接对策略进行迭代让累计回报最大。...

在上文中我们介绍了Acort-Critic的一种实现方式，本文主要介绍AC网络的一些优化算法。

上文我们已经理解强化学习的基础概念以及其目标是找到一个策略 最大化未来累计奖励。同时介绍了几种常用的寻找最优策略的方法。在强化学习中还会将这些方法分类为model-based和model-free，value-based和policy-...

最近了解了强化学习方面的知识，准备进行下整理和总结。本文先介绍强化学习中一些基础概念。

好久没有更新强化学习这个系列了，今天继续更新下强化学习系列的A3C技术，后面会结合当前最火大模型强化学习训练持续更新此系列。

我们需要选择一个想学习的主题或概念，可以是一本书、一篇文章、一个理论或一个技能等等

在安装MySQL时，您通常需要设置root用户的密码。root用户是MySQL服务器的超级用户，拥有对数据库的所有权限。在安装过程中，您会被要求为root用户设置一个密码。这个密码是您以后管理MySQL服务器时所需要的。...

Scikit-learn（简称sklearn）是Python中最受欢迎的机器学习库之一，它提供了丰富的机器学习算法和数据预处理工具。本文将深入浅出地介绍sklearn的基础概念，核心理论，常见问题和易错点，并给出代码示例。...