强化学习基础:价值学习 王树森深度强化学习基础:价值学习 No.1 Deep Q-Network (DQN) DQN 是一个价值学习的方法,用一个神经网络去近似Q*函数。 DQN 的输入是s,w为神经网络的参数,输出是对每一个动作a的打分。 怎么训练DQN呢? 最常用的是TD算法。 No.2 Temporal Difference (TD) Learning TD算法即使不完成旅程,也能更新参数。 No.3 TD Learning for DQN No.4 Summary