真正的在线强调TD（$λ$）：快速参考和实施指南
True Online Emphatic TD($λ$): Quick Reference and Implementation Guide
摘要：
本文档是一个真正的在线预测TD（$λ$）的实现指南，这是一种无模型的时间差算法，用于学习进行长期预测，结合了强调思想（Sutton，Mahmood & White 2015）和真正的在线思想（van Seijen & Sutton 2014）。这里使用的设置包括线性函数近似、偏离策略训练的可能性、一般价值函数的所有一般性，以及强调算法的“兴趣”概念。
英文摘要：
This document is a guide to the implementation of true online emphatic TD($λ$), a model-free temporal-difference algorithm for learning to make long-term predictions which combines the emphasis idea (Sutton, Mahmood & White 2015) and the true-online idea (van Seijen & Sutton 2014). The setting used here includes linear function approximation, the possibility of off-policy training, and all the generality of general value functions, as well as the emphasis algorithm's notion of "interest".
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
