this repo has no description
Continue rapport
+21
-10
slides/main.pdf
slides/main.pdf
This is a binary file and will not be displayed.
+21
-10
slides/main.typ
+21
-10
slides/main.typ
···
65
65
66
66
67
67
68
-
#let what_is_surrogate_adv = [
69
-
== C'est quoi $cal(L)$ ?
68
+
== C'est quoi $cal(L)$ ?
70
69
71
-
#centered[
70
+
#centered[
72
71
73
-
C'est très simple:
72
+
C'est très simple:
74
73
75
-
$
76
-
cal(L)_r (pi', pi) := exp_((s_t, a_t)_(t in NN) in cal(C)) sum_(t=0)^oo (Q_pi (s_t, a_t)) / (Q_pi' (s_t, a_t)) A_(pi, r)(s_t, a_t)
77
-
$
74
+
$
75
+
cal(L)_r (pi', pi) := exp_((s_t, a_t)_(t in NN) in cal(C)) sum_(t=0)^oo (Q_pi (s_t, a_t)) / (Q_pi' (s_t, a_t)) A_(pi, r)(s_t, a_t)
76
+
$
78
77
79
-
]
80
78
]
81
79
82
-
#what_is_surrogate_adv
83
80
84
81
#title-slide[
85
82
···
207
204
#pagebreak()
208
205
209
206
210
-
#what_is_surrogate_adv
207
+
== C'est quoi $cal(L)$ ?
208
+
209
+
#centered[
210
+
211
+
$
212
+
cal(L)_r (pi', pi) := pause exp_((s_t, a_t)_(t in NN) in cal(C)) pause sum_(t=0)^oo pause (Q_pi (s_t, a_t)) / (Q_pi' (s_t, a_t)) pause A_(pi, r)(s_t, a_t)
213
+
$
214
+
215
+
]
216
+
217
+
#title-slide[
218
+
== Optimisation de $Pi$
219
+
Mise à jour de la politique RL
220
+
]
221
+