edisonmoddy / rlai_notes Goto Github PK

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