原书出处
深入浅出强化学习:原理入门
11 第11章 逆向强化学习
的问题。但是,在学习回报函数时又引入了需要人为指定的基底,即我们之前已经假设的回报函数的形式: 其中 是人为指定的基底。
对于大规模问题,人为指定的基底表示能力不足,只能覆盖部分回报函数形式,难以泛化到其他状态空间。 解决方法之一是利用神经网络表示回报函数的基底。
此时,回报函数可表示为 。 神经逆向强化学习的整个框架仍然是最大边际法的框架,因此问题形式化为 如图11.5所示为神经
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/text00022.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57