判断题
全连接网络被用于作为策略网络（Policy Network）的表达形式。
错误(↓↓↓ 点击‘点击查看答案’看答案解析 ↓↓↓)
判断题 强化学习用于提高策略网络（Policy Network）的效果时，需要将输赢作为奖励和惩罚。
判断题 AlphaGo使用了基于策略的强化学习方法。
多项选择题 AlphaGo的策略网络（Policy Network）主要表达了一个根据当前棋局状态获得下一个动作的函数，以下哪些学习方法被用来学习该函数（）
