《强化学习》近似值函数方法

强化学习和监督学习

表格方法的局限

这里写图片描述

RL中的函数近似

这里写图片描述
这里写图片描述
这里写图片描述

监督学习-MC

这里写图片描述

MC—TD

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

基于值函数的RL损失函数

这里写图片描述

近似方法的一些困难

Deep Q-Network

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

经验回放

这里写图片描述
这里写图片描述

目标网络

这里写图片描述

奖励裁剪

这里写图片描述

DQN的一些问题和解决

Q值自相关问题

这里写图片描述
这里写图片描述

Q值过度估计

这里写图片描述
这里写图片描述
这里写图片描述

优先经验回放

这里写图片描述
这里写图片描述

Bootstrap DQN

这里写图片描述

部分可见性

这里写图片描述

评论
添加红包

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

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值