【AI】强化学习常用算法小记(下)
贝尔曼方程的艺术。
引子
上一篇文章主要讲了贝尔曼方程、TRPO和PPO算法。TRPO和PPO都是「基于信号进行优化的算法」。但是信号哪里给出?我们并不知道。也就是说,我们现在再假设存在打分机制的情况下,知道了如何优化。这篇文章讲一讲信号是如何得来的。
【拉丁语】「哦,命运女神」的歌词小记
引子
笔者很久没有学习拉丁语了,最近在听古典音乐的时候偶然听到了「O Fortuna」这首,暂且根据模糊的拉丁语记忆,写一下歌词小记,主要集中在「每个单词的含义」和「英语中以这些词为词根的单词」等。