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
的一个子区域。 在深度学习领域,当给定的标签只与输入特征的一个局部相关时,我们称之为注意力(attention)机制,
从上面已知最优值函数求解最优策略的公式我们可以看到,状态s处的最优策略只与状态s局部的值函数有关,因此值迭代网络在值迭代模块后跟了一个attention网络,最简单的attention机制就是取当前状态的邻域。
值迭代网络的训练既可以采用模仿学习(IL)方法也可以采用强化学习(RL)方法。模仿学习就是利用专家数据对网络参数进行训
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