知识卡片

普通读书笔记卡 · 2700.e.1.a.1.a · 生成模型:未记录

吸收行会令整矩阵奇异

理解等级:高级

Sleep 只转移到自身且奖励为零。令 γ=1 后,对应的贝尔曼行只得到 V(Sleep)−V(Sleep)=0,没有固定这个值。若任务在此终止,可另固定终止价值为零并只对非终止状态求解。改用接近 1 的折扣是书中用于比较数值的近似。

关联:[[贝尔曼递推拆分一步]]。将递推写为线性系统后,吸收行给出求解边界。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第2章《2.4.1 收获和价值的计算》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter14.xhtml`,body 子元素 19 - 结论依据:原文说明学生过程的吸收状态使直接求逆在该折扣值不可行。 - 原始内容:当γ=1时需要计算的矩阵的逆恰好不存在