cs231n lec 14强化学习

Question

我正在学习CS231N，第14讲，“强化学习”。在讲座中，讲师提到了value函数，如图所示：

​

​

我想知道rt和s0之间的那个酒吧是什么？我认为这是条件概率，但我不确定。或者这只是一个划分？

Answer 1

这是条件概率。它的字面意思是在给定状态s的情况下，遵循策略pi，在time t处获得奖励。