这是我学习 **Reinforcement Learning: an Introduction**的笔记,包含每章的笔记、作业和(如果需要)的程序。希望笔记是能够在10月1号前完成0.1版。
笔记和习题用typora的markdown编辑器编辑,由于github不支持mathjax,因此若需要阅读建议下载typora。
下面是一些比较容易混淆的英语单词翻译的约定,按照在书中出现的顺序排列:
ch1:
- policy:策略
- action:行动
- reward:激励
ch2:
-
bandit:老虎机
-
exploit:开发
-
explore:探索
-
ch3
- estimate:估计
- approximate:近似
- ordinary:常规
- trajectory:轨迹
- ratio:比率
- estimator:估算子