← 返回卡片

原书出处

深入浅出强化学习:原理入门

14 第14章 基于模型的强化学习方法:PILCO及其扩展

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.444Z

从预测步可知,当前步的均值 和协方差 与上一步的均值 和协方差 以及当前步的策略参数 有关。因此对参数的导数可以写为

该计算式其实是个迭代计算,将前一步的梯度 代入当前步梯度的计算。 除此之外,就剩下如何计算当前步的均值和协方差对参数的偏导数 和 。

从当前步的均值预测我们得到 将该链式规则代入上面的 可以得到当前步的梯度。 最后将所有步的梯度相加就是值函数对参数的梯

此预览只包含定位所需的摘录和上下文。

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/text00025.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57