深度强化学习课程文档

中期测验

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

中期测验

学习和避免能力错觉的最佳方法是自我测试。这将帮助你找到需要巩固知识的地方

问题1:寻找最优策略的两种主要方法是什么?

问题2:什么是贝尔曼方程?

解决方案

贝尔曼方程是一个递归方程,其工作原理如下:我们不是从每个状态的开始计算回报,而是将任何状态的价值视为:

Rt+1 + gamma * V(St+1)

即时奖励 + 后续状态的折扣价值

问题3:定义贝尔曼方程的每个部分

Bellman equation quiz
解决方案 Bellman equation solution

问题4:蒙特卡洛学习方法和时序差分学习方法有什么区别?

问题5:定义时序差分学习公式的每个部分

TD Learning exercise
解决方案 TD Exercise

问题6:定义蒙特卡洛学习公式的每个部分

MC Learning exercise
解决方案 MC Exercise

恭喜你完成了本次测验🥳,如果你遗漏了一些内容,请花时间重新阅读前面的章节以巩固(😏)你的知识。

< > 在 GitHub 上更新