相关考题
-
单项选择题
在强化学习中，通过哪两个步骤的迭代，来学习得到最佳策略（）
A.动态规划与Q-Learning
B.策略优化与策略评估
C.Q-learning 与贪心策略优化
D.价值函数计算与动作-价值函数计算 -
单项选择题
下面哪一种方法不是通过迭代计算贝尔曼方程来进行策略评估（）
A.动态规划
B.深度学习
C.时序差分（Temporal Difference）
D.蒙特卡洛采样 -
单项选择题
深度强化学习是深度学习与强化学习的结合。在深度强化学习中，神经网络被用来进行哪个函数的学习（）
A.Bellman方程
B.贪心策略函数
C.q函数
D.蒙特卡洛采样函数
