梯度估计
基于1个网页-相关网页
policy gradient estimation
策略梯度估计
以上为机器翻译结果，长、整句建议使用 人工翻译 。
Then by utilizing the features of this model an online optimization algorithm that combines policy gradient estimation and stochastic approximation is derived.
然后利用这种模式的特点，在线优化算法相结合的策略梯度估计及随机逼近而得。
youdao
应用推荐
模块上移
模块下移
不移动