知识卡片
经验回放打乱相邻转移
把交互得到的转移保留到缓冲区。训练时抽取一批已有转移,减少直接连续训练的关联并允许重用旧样本。缓冲区中的行为策略可能已改变,覆盖面及数据过旧都需考虑。
关联:[[经验要保留回合和转移]]。随机抽取缓冲区转移组成非连续小批量。
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
- 6.4 DQN算法 · 查看原书依据
随机从记忆里提取一定数量的状态转换
参考来源
- 位置:《强化学习入门:从原理到实践》第6章《6.4 DQN算法》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter62.xhtml`,body 子元素 2
- 结论依据:原文将采集、存储与随机训练小批量串成循环。
- 原始内容:随机从记忆里提取一定数量的状态转换