知识卡片
值网络输出无需概率归一化
逐动作输出估计的是回报,可能正也可能负,彼此无需相加为一。隐层的 ReLU 用于表达非线性,输出层保持线性。输入批次与输出目标的形状要相互匹配。
关联:[[动作价值近似的输入输出]]。每个离散动作对应一个实数回报预测。
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
- 6.5.1 基于神经网络的近似价值函数 · 查看原书依据
神经网络的输出是针对每一个行为的价值(范围在整个实数域)
参考来源
- 位置:《强化学习入门:从原理到实践》第6章《6.5.1 基于神经网络的近似价值函数》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter64.xhtml`,body 子元素 16
- 结论依据:原文用线性末层生成带符号的每动作 Q 值。
- 原始内容:神经网络的输出是针对每一个行为的价值(范围在整个实数域)