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
图13.4 值迭代网络 为了完成值迭代网络,还需要处理两个部分,即值迭代模块的输入和输出(如图13.4 右图中的 )。
值迭代模块的输入解决如何把观测值经过加工变成值迭代模块的输入;值迭代模块的输出解决如何将迭代得到的值函数嵌入到策略网络中。
(1)值迭代模块的输入。 值迭代模块的输入过程如图13.5所示。 图13.5 值迭代模块的输入 以网格世界导航为例,输
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