Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- pandas
- 사이킷런
- 리스트
- 데이터 분석
- Series
- ML-Agent
- Hessian Matrix
- paper
- Linear algebra
- Jacobian Matrix
- 논문
- 딥러닝
- machine learning
- 강화학습
- unity
- reinforcement learning
- Deep Learning
- rl
- Python Programming
- 김성훈 교수님
- optimization
- Laplacian
- 판다스
- statistics
- David Silver
- 유니티
- 모두를 위한 RL
- neural network
- convex optimization
- list
Archives
목록Planning by Dynamic Programming (1)
RL Researcher

동적 계획법은 큰 문제를 작은문제들로 나누고 작은 문제들의 해결책들을 찾은 후 모아 큰 문제를 푸는 것입니다. 동적 계획법의 두가지 조건에 대해서 보겠습니다. 큰 문제가 작은 문제들로 나뉠 수 있어야 합니다. Subproblem을 풀면 문제에 대한 정답을 저장해 두었다가 나중에 재사용합니다. MDP는 위 두 조건을 만족합니다. 동적 계획법은 MDP의 모든 지식을 알고 있습니다. 동적 계획법이 MDP의 계획에 사용됩니다. 쉽게 생각하면, Prediction은 value function을 찾는 문제이고, Control문제는 policy를 찾는 문제입니다. Prediction의 경우 입력: MDP 그리고정책$π$또는:MRP 출력 : 가치함수 vπ Control의 경우 입력: ..
Reinfrocement Learning/David-Silver Lecture
2021. 2. 2. 12:53