知识卡片

普通读书笔记卡 · 6598.h.1.a · 生成模型:未记录

经验要保留回合和转移

理解等级:中级

转移五元组可以立即用于一步更新。回合负责保持顺序并给出结束边界,适用于累计奖励和回合采样。有界经验存储可淘汰较早记录。若要同时支持整回合估计,须避免把拆断的局当作完整样本。

关联:[[状态链采样与终止]]。完整回合依赖顺序与终止位,一步更新只需转移。

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5章《5.7.2 状态序列的管理》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter48.xhtml`,body 子元素 3 - 结论依据:原文解释三层经验表示怎样服务不同更新单位。 - 原始内容:如果使用MC学习算法,则需要学习完整的序列;如果使用TD学习,则最小的学习单位是一个状态转换