美文网首页
强化学习

强化学习

作者: dingtom | 来源:发表于2020-03-06 11:42 被阅读0次

下一状态只与当前状态有关


R为之后的奖励和，我们的目标是使其最大化

Q-learning


初始化值表

用神经网络来逼近Q

q计算量太大


兼顾探索和利用
经验回放

状态间高度相关
玩多轮游戏把片段储存，训练时从若干轮若干片段抽取作为训练集


用另一个Q网络来作为L的预估值

每轮训练后让把训练好的networkQ(s, a)赋值给target networkQ\left(s^{\prime}, a^{\prime \prime}\right)
训练时只训练预估的network

相关文章

网友评论

      本文标题：强化学习

      本文链接：https://www.haomeiwen.com/subject/auvvrhtx.html

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|强化学习|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！