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
98ff6fba
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
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
98ff6fba
编写于
12月 06, 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
9bba28ec
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
2 addition
and
2 deletion
+2
-2
docs/10.md
docs/10.md
+2
-2
未找到文件。
docs/10.md
浏览文件 @
98ff6fba
...
@@ -604,9 +604,9 @@ $\text{gradients = loss.gradients(loss, variables)}$
...
@@ -604,9 +604,9 @@ $\text{gradients = loss.gradients(loss, variables)}$
5.
<span
id=
"ref5"
>
J. Schulman et al, "Trust region policy optimization,"
*ICML*
, 2015.
</span>
5.
<span
id=
"ref5"
>
J. Schulman et al, "Trust region policy optimization,"
*ICML*
, 2015.
</span>
## A TRPO 证明(TRPO Proofs)
## A
.
TRPO 证明(TRPO Proofs)
<span
id=
"lemma51p"
>
###
A.1 奖励调整(Reward Shaping)
</span>
### <span id="lemma51p">
A.1 奖励调整(Reward Shaping)</span>
这里我们证明
[
引理 5.1
](
#lemma51
)
。
这里我们证明
[
引理 5.1
](
#lemma51
)
。
...
...
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