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
以将迭代公式分成两个步骤: 第一步遍历动作a,得到不同动作a所对应的值函数更新,即: 第二步遍历动作a,找到最大的 :
熟悉CNN的同学应该很清楚,值函数迭代过程中的公式(13.3)相当于CNN中的卷积操作,(13.4)式相当于池化操作。从这个意义上讲,可以将值迭代的过程用CNN网络嵌入到策略网络中,使策略网络具有规划计算的功能。
而与CNN略微不同的是,在对值函数进行卷积操作的时候,偏移量 对应着每个像素的偏移量,从CNN的角度来看,状态转移概率
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