网站介绍：文章浏览阅读9.8k次，点赞16次，收藏58次。一、 重要性采样TRPO和PPO主要思想的数学基础是重要性采样重要性采样：$x_i $ 是从p(x)p(x)p(x)分布中采样得到的， 但是p(x)p(x)p(x)的值往往无法直接获得，需要通过其他分布q(x)q(x)q(x)进行间接采样获得。Ex∼p[f(x)]=∫f(x)p(x)dx=∫f(x)p(x)q(x)q(x)dx=Ex∼q[f(x)p(x)q(x)]\begin{alig..._ppo gae
- 链接地址：https://blog.csdn.net/zhkmxx930/article/details/88257891
- 链接标题：PPO、GAE笔记_ppo gae-CSDN博客
- 所属网站：blog.csdn.net
- 被收藏次数：4139
- 网站标签：ppo gae
