如题 深度学习 网络结构 线性结构 池化结构 卷积结构 LSTM 激活结构 sigmoid ReLU tanh 强化学习特定结构 Dueling Network 学习方式 监督学习 半监督学习 无监督学习 强化学习 理论 基础理论 TD Target 价值学习 策略学习 状态连续：神经网络 动作连续 Deterministic Policy Network Stochastic Policy Network 多智能体 训练方式 基于价值 Sarsa Q-Learning DQN 基于策略 Policy Gradient A2C 优化方法 熵正则 经验回放 (off-policy 适用) Double DQN Target network Multi-step TD Target Dueling network TRPO PPO 参数更新策略 SGD 动量 Adam
