知识卡片

普通读书笔记卡 · 2700.e.1.a.1.c.4.a · 生成模型:未记录

目标网降低自举目标漂移

理解等级:中级

在线网持续拟合当前 Q。用一份暂时固定的参数计算后继 Q,训练若干步再同步目标网络。只要更新分离,目标便不会随每次反传立即改变。这能改善稳定性,不能给出任意非线性训练都收敛的保证。

关联:[[Q学习回推后继最大值]]。网络版 Q 学习用滞后的参数产生贪婪目标。

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《6.4 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 6 - 结论依据:原文用较低频刷新目标参数来构造网络学习目标。 - 原始内容:另一个用来生成目标价值,其参数