思考很久,写一下自己当前对DQN过程的理解
神经网络输入S状态 输出所有Q 贪心策略选择Q最大的action 环境给出R 此时更新神经网络 转移下个状态 循环
立减 ¥
请填写红包祝福语或标题
红包个数最小为10个
红包金额最低5元
抵扣说明:
1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。