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
法。 什么是粒子的方法? 说白了就是多采几个点。因此,这就涉及输入分布的采样。 如图14.9为深度PILCO的预测过程。
单纯基于粒子的方法可能会导致粒子退化,也就是说粒子的多样性会变差,所有的粒子趋向于相同。Rowan 引入了重采样技术,并利用矩匹配的方法对粒子分布进行重新拟合。
也就是图14.9中第10行到第11行。 图14.9 深度PILCO预测过程
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