原书出处
深入浅出强化学习:原理入门
13 第13章 值迭代网络
)考虑了规划问题。不过,由于网络本身没有规划模块,因此在被运用到新的环境时,大部分都需要重新训练,也就是泛化能力很差。
假如训练策略本身就有规划模块,一旦规划模块被训练好,就算换了新的环境,针对类似的任务,具有规划模块的策略网络便可以利用已经训练好的规划模块规划新的任务,泛化能力很强。
另一方面,对于具有规划模块的策略网络,训练方法就可以更灵活了,不必像以前那样依赖强化学习算法。此时,我们便可以利用成熟的
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/text00024.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57