知识卡片
终止掩码切断网络自举
对每条样本按行找实际动作目标。只有非终止转移添加折扣后的下一状态估值。若环境还区分时间截断与真正终止,需要由任务语义决定截断能否继续自举,避免把全部 done 类型混同。
关联:[[目标网降低自举目标漂移]]。网络目标需识别终止转移并去掉后续值。
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
- 6.5.2 实现DQN求解PuckWorld问题 · 查看原书依据
is_done则Q_target==reward_1
参考来源
- 位置:《强化学习入门:从原理到实践》第6章《6.5.2 实现DQN求解PuckWorld问题》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter65.xhtml`,body 子元素 20
- 结论依据:原文以终止掩码让结束转移的目标恰好等于即时奖励。
- 原始内容:is_done则Q_target==reward_1