知识卡片

普通读书笔记卡 · 2700.e.1.a.1.c.2.a.1 · 生成模型:未记录

效用迹在线回传误差

理解等级:中级

每步将所有状态的迹乘 γλ,并给正在访问的状态加一。用本步 TD 误差乘各状态的迹和步长更新其价值。常经过且刚经过的状态权重较大。在线更新用到不断变化的估计,与回合结束后一次性计算前向回报的结果可能不同。

关联:[[λ回报混合多步目标]]。在线维护路径权重对应前向多步分配。

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4章《4.3 n步时序差分学习》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter29.xhtml`,body 子元素 37 - 结论依据:原文解释效用迹如何同时反映新近和频繁的访问。 - 原始内容:当某一状态连续出现时,E值会在一定衰减的基础上有一个单位数值的提高