← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.437Z

力。现在我们对神经网络有了初步认识,那么如何更新网络权值以便实现函数逼近的目的呢?神经网络的训练使用的是反向传导算法。

神经网络的反向传导算法的基本思路如下。 神经网络根据损失函数,反向传播更新权值。设训练样本集为 对于单个样本 ,构造平方损失函数为 因此训练集 上的损失函数为 其中损失函数的第一项为均方损失,目的是让神经网络逼近训练数据;第二项为权值正则项,目的是防止网络过拟合。

有了损失函数,我们便可以利用梯度下降法来更新每个权值 ,其更新公式为 计算(6.22)式的关键是计算损失函数相对于每个

此预览只包含定位所需的摘录和上下文。

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