Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
16f9377e
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
16f9377e
编写于
9月 14, 2019
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
ee480612
变更
1
显示空白变更内容
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/8&9.md
docs/8&9.md
+1
-1
未找到文件。
docs/8&9.md
浏览文件 @
16f9377e
...
...
@@ -248,7 +248,7 @@ $$
这样,我们可以用推导式(11)的同样的方法来推导单个奖励 $r_{t'}$ 的梯度估计:
$$
\n
abla_{
\t
heta}
\m
athbb{E}_ {
\p
i_{
\t
heta}}[r_{t'}]
=
\m
athbb_
{
\p
i_{
\t
heta}}[r_{t'}
\s
um_{t=0}^{t'}
\n
abla_{
\t
heta}
\l
og
\p
i_{
\t
heta}(a_t|s_t)]。
\n
abla_{
\t
heta}
\m
athbb{E}_ {
\p
i_{
\t
heta}}[r_{t'}]
=
\m
athbb{E}_
{
\p
i_{
\t
heta}}[r_{t'}
\s
um_{t=0}^{t'}
\n
abla_{
\t
heta}
\l
og
\p
i_{
\t
heta}(a_t|s_t)]。
$$
由于 $
\s
um_{t'=t}^{T-1}r_{t'}^{(i)}$ 就是回报 $G_t^{(i)}$,
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录