原书出处
深入浅出强化学习:原理入门
06 第6章 基于值函数逼近的强化学习方法
要逼近的值函数的形式。值函数可以采用线性逼近也可采用非线性逼近。非线性逼近常用的是神经网络。 下面我们仅讨论线性逼近:
相比于非线性逼近,线性逼近的好处是只有一个最优值,因此可以收敛到全局最优。其中 为状态s处的特征函数,或者称为基函数。 常用的基函数的类型如下。
多项式基函数,如 。 傅里叶基函数: 径向基函数: 将线性逼近值函数代入随机梯度下降法和半梯度下降法中,可以得到参数的
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00015.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57