毕业设计需要选择一篇外文论文进行翻译，翻译完成后正好分享到这里。因为这一篇论文比较难懂，也是比较重要的一篇论文，所以选择了这一篇。有些地方我也还不确定，翻译错误的地方欢迎指正~ 论文原文：https://arxiv.org/pdf/1710.10044.pdf 基于分位数回归的分布强化学习 Will Dabne
C51算法理论上用Wasserstein度量衡量两个累积分布函数间的距离证明了价值分布的可行性，但在实际算法中用KL散度对离散支持的概率进行拟合，不能作用于累积分布函数，不能保证Bellman更新收敛；且C51算法使用价值分布的若干个固定离散支持，通过调整它们的概率来构建价值分布。 而分位数回归
摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv:1902.08102v1 [stat.ML] 21 Feb 2019 Abstract 1. Introduction 2. Background 2.1. Bellman equations 2.2. Categorical and quantile distributional RL CDRL. QDRL. 3. The r
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv:1707.06887v1 [cs.LG] 21 Jul 2017 In International Conference on Machine Learning (2017). Abstract 在本文中，我们争论了价值分布的根本重要性：强化学习智能体获得的随机回报的分布。这与强化学习的通用
自然语言处理（NLP） NLP中最细粒度的是词语（word），词语组成句子，句子再组成段落、章节和文档。所以NLP的核心问题就是：如何理解word 如何理解word 由于目标是与计算机对接，其核心就是如何给计算机描述一个word，有以下两种描述方式： One-hot Representation Distributional Representation O
