知识卡片
目标网降低自举目标漂移
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?
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
另一个用来生成目标价值,其参数
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