知识卡片
动作价值近似的输入输出
若要评估固定动作,用输入 s 和 a 输出一个数即可。离散动作较少时,也可以只输入 s,一次计算得到各动作 Q 值,直接在向量里取最大。仅输出 V(s) 则没有给出动作之间的比较。
关联:[[状态离散分箱有维度成本]]。用共享函数从连续特征估动作值以替代指数规模的表。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 6.1 价值近似的意义 · 查看原书依据
函数仅接受状态变量作为输入,计算输出针对行为空间的每一个离散行为的价值
参考来源
- 位置:《强化学习入门:从原理到实践》第6章《6.1 价值近似的意义》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter55.xhtml`,body 子元素 11
- 结论依据:原文就近对比状态到标量、状态动作到标量、状态到动作值向量。
- 原始内容:函数仅接受状态变量作为输入,计算输出针对行为空间的每一个离散行为的价值