强化学习与对齐
请问基于价值的方法和基于策略的方法的区别是什么？
原题请简述一下时序差分方法。
原题请问蒙特卡洛方法和时序差分方法是无偏估计吗？另外谁的方差更大呢？为什么？
原题能否简单说一下动态规划方法、蒙特卡洛方法和时序差分方法的异同点？
原题请问深度Q网络是什么？其两个关键性的技巧分别是什么？
原题深度Q网络中的两个技巧————目标网络和经验回放，其具体作用是什么呢？
原题深度Q网络和Q学习有什么异同点？
原题请问，随机性策略和确定性策略有什么区别吗？
原题请问不打破数据相关性，神经网络的训练效果为什么就不好？
原题深度Q网络都有哪些变种？引入状态奖励的是哪种？
原题原题“状态奖励”承接正文的 V(s) 状态价值，所指为 Dueling DQN。
暂无题目