CS294-112 深度强化学习 秋季学期（伯克利）NO.9 Learning policies by imitating optimal controllers

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

make compromise between learnt policy and minimal cost！

                    

                     

   

      

 

 

π hat is using states

π theta is using observations

                            

 

 

 

 

 

 

 

 

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/ecoflex/p/9097988.html