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
a4da9a4b
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
a4da9a4b
编写于
1月 16, 2020
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
9dd755f7
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/11&12.md
docs/11&12.md
+1
-1
未找到文件。
docs/11&12.md
浏览文件 @
a4da9a4b
...
...
@@ -211,7 +211,7 @@ POMDP 规划的一个主要思想是置信状态(belief state)$\tilde{s}$,
类似于 MAB 情况,我们可以在可用动作中,选择一个最大化置信度上界的动作。
$$
a_t =
\m
athop{
\a
rg
\m
ax}_{A} Q(s_t,a)+U_{1}(s_t,a)+U_{2}(s_t,a),
a_t =
\m
athop{
\a
rg
\m
ax}_
{A} Q(s_t,a)+U_{1}(s_t,a)+U_{2}(s_t,a),
$$
这里 $U_1$ 为策略评估中的不确定量,易于量化,$U_2$ 源于策略提升,通常难以计算。
...
...
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