2017-10-01から1ヶ月間の記事一覧

Cold-Start Reinforcement Learning with Softmax Policy Gradients

後で読む

https://arxiv.org/pdf/1709.09346.pdf やってる事（Softmax方策＋方策勾配法）は基本的にPGLeafも同様なので、何かの参考になるかも。