该篇论文笔记介绍了DFDQN，一种在DQN基础上增加动态跳帧率的深度强化学习方法。通过学习选择动作重复次数，DFDQN能针对不同游戏场景调整策略，提升性能。实验显示，在特定游戏中，DFDQN的调整跳帧率策略在奖励和Q值上表现出优势，尤其是在Seaquest和Space Invader游戏中。
参考文献：Dynamic Frame skip Deep Q Network
我的知乎:uuummmmiiii（与CSDN同名）
如有错误，请指明，我将立即改正，谢谢。
创新点：DQN基础上增加了选择动作重复次数的输出（构建动态跳帧模型）
改进：将DQN的全连接层变成了1024个单元，并且增加一层全连接层（36个单元）
改进原因：因为游戏玩法不同，有的需要进行快速决策，有的游戏需要进行一连串的相同动作
带来益处：
进行快速决策的游戏（如），降低跳帧率，提高性能（就是玩的更好了。。。）；
进行连续相同动作的游戏，提升跳帧率（the frame skip rate）,使游戏一个回合时间缩短，并且可以减少动作序列
Abstract
跳帧率k：表示允许agent重复已选出的动作 k次 (A frame skip
最低0.47元/天 解锁文章
1594
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
