美文网首页
Lecture 3 Part A: Follow up

Lecture 3 Part A: Follow up

作者: Ysgc | 来源:发表于2020-01-20 09:19 被阅读0次

1. with DAgger fully works: p_{train}(s) = p_{\theta}(s)

  • the best of E[∑c] = epsilon · T
  • (once move to the red region, agent could move back, since DAgger)

2. Distribution mismatch: p_{train}(s) \ne p_{\theta}(s)

  • no mistake Prob: (1-\epsilon)^T
  • mistake Prob: the rest -> state distribution is p_{mistake}(s_t)
  • total variational divergence: between p_{train}(s) and p_{\theta}(s)

what's the worse case of this divergence?

  • factor of "2"


c_{max} = 1

thoughts:

相关文章

网友评论

      本文标题：Lecture 3 Part A: Follow up

      本文链接：https://www.haomeiwen.com/subject/qqurzctx.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|Lecture 3 Part A: Follow up|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！