送交者: 短江学者 于 2016-03-15, 22:59:16:

回答: 如何使用 policies和如何学习 policies 是两回事情。 由 bluesea 于 2016-03-15, 22:55:16:

• 所以你认为，增强学习是alphago的几乎唯一或者最基础和主要的算法框架。 - bluesea (20 bytes) 2016-03-15, 23:08:41 (804009)
  • 应该是吧。棋谱和初始的policy network只是收缩范围，减少选项 (无内容) - pgss (0 bytes) 2016-03-15, 23:21:27 (804012)
  • 是他们文章标题和摘要说的。我只能看文章说话。 (无内容) - 短江学者 (0 bytes) 2016-03-15, 23:15:10 (804011)

加跟贴