Policy Gradient Reinforcement Learning Without Regret

Autor:	Dick, Travis B
Rok vydání:	2015
DOI:	10.7939/r30d4h
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=doi_________::a407a2770fc1bcbc17f02318226f39a5 Zobrazit plný text záznamu