知识卡片

普通读书笔记卡 · 2700.d.2.a.1.a.1.b.1.b.2.b · 生成模型:未记录

连续演员用tanh约束动作

理解等级:中级

先将网络输出映射到 −1 到 1,再按环境范围缩放。评判家接收状态和完整动作向量,可对任意合法给定动作输出标量。若加噪声,仍需检查动作边界。

关联:[[DDPG用两对网络分工]]。演员实现需要按环境范围对输出缩放。

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7章《7.5.2 Actor-Critic网络的实现》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter73.xhtml`,body 子元素 18 - 结论依据:原文在 tanh 后乘每个动作分量可达的上限。 - 原始内容:action = action * self.action_lim