← 知识地图∇ 算法与优化
强化学习
3 个概念，1 个已写；与 5 门其他学科共享概念或相互关联。先修的在左，同一章的圈在一起，通往这门课之外的关系挂在卡片上。
关系位置即顺序：沿轨道从左到右读卡片上方的标签通往这门课之外
节点概念方法已写待写1 / 3 已点亮
点一个概念查看它的说明和关系1 / 3 已点亮
强化学习1/3
点一个节点，这里会显示它的说明，以及它和其他节点之间的关系。
这门课的关系一览4
Shannon 熵延伸KL 散度与交叉熵
KL 散度是相对熵：把熵从一个分布推广到两个分布之间。
KL 散度与交叉熵应用VAE 与 ELBO
ELBO 中的正则项是一个 KL 散度。
MDP 与价值函数前置Policy Gradient
目标 J(θ) 定义在 MDP 的轨迹分布上。
策略梯度的更新是对 J(θ) 的随机梯度上升，收敛分析沿用随机非凸优化。
Notes