← 返回起始笔记位置

知识卡片

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

动作价值近似的输入输出

理解等级:中级

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?

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