← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9873.c · 生成模型:Hunyuan

线性逼近与基函数

理解等级:中级

线性逼近把值函数写成基函数(特征函数)与参数的线性组合,常用基函数有多项式、傅里叶、径向基。相比非线性神经网络,线性逼近只有一个最优解,能收敛到全局最优,这是它的理论优势;代价是表示能力有限——基函数个数与形式事先固定,复杂函数难以逼近。在线性形式下,可把随机梯度、半梯度、正向视角与后向视角的更新写成具体参数公式,是理解非线性逼近的过渡台阶。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出强化学习:原理入门》第6章 基于值函数逼近的强化学习方法(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00015.html) - 结论依据:正文列举了常用基函数类型,并指出线性逼近只有一个最优值、可收敛到全局最优这一有别于非线性逼近的性质。 - 原始内容: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。