【强化学习-08】Q-learning (off-policy): 用来训练最优动作价值函数

刘兴禄

已于 2022-02-07 15:02:32 修改

阅读量870

点赞数

分类专栏： RL+OR 机器学习+强化学习-笔记文章标签：机器学习深度学习神经网络强化学习基本概念

于 2022-01-28 17:13:52 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/HsinglukLiu/article/details/122733755

版权

机器学习+强化学习-笔记同时被 2 个专栏收录

33 篇文章 5 订阅

订阅专栏

31 篇文章 4 订阅

订阅专栏

@[TOC](Q-learning (off-policy): 用来训练最优动作价值函数)

本笔记整理自 (作者: Shusen Wang):
https://www.bilibili.com/video/BV1rv41167yx?from=search&seid=18272266068137655483&spm_id_from=333.337.0.0

在这里插入图片描述

价值网络 $Q_{\pi}(s, a; \theta)$ 是动作价值函数 $Q_{\pi}(s,a)$ 的近似，我们用Saras更新价值网络。

在这里插入图片描述

TD target 部分基于真实观测，比左边纯粹猜测更加靠谱，因此我们鼓励猜测向TD target 靠近

在这里插入图片描述

Q-learning: DQN version

在这里插入图片描述

在这里插入图片描述

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
【强化学习-08】Q-learning (off-policy): 用来训练最优动作价值函数

@[TOC](Q-learning (off-policy): 用来训练最优动作价值函数)本笔记整理自 (作者: Shusen Wang):https://www.bilibili.com/video/BV1rv41167yx?from=search&seid=18272266068137655483&spm_id_from=333.337.0.0价值网络Qπ(s,a;θ)Q_{\pi}(s, a; \theta)Qπ(s,a;θ)是动作价值函数Qπ(s,a)Q_{\pi}(
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

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。