知识卡片

普通读书笔记卡 · 2700.d.4.b · 生成模型:未记录

乐观初值引导早期试验

理解等级:中级

首次试某臂后,真实回报往往拉低它的估计,尚未访问的臂便相对有吸引力。探索主要发生在训练前期。若分布变化,原来的乐观偏置已经用完,无法保证再次尝试。

关联:[[探索可作用在动作或参数]]。乐观初值提供基于估值的动作探查。

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9章《9.2.2 不确定行为优先探索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter86.xhtml`,body 子元素 4 - 结论依据:原文指出各臂初始估值超出现有经验值时,贪婪选择也可能轮流探索。 - 原始内容:在初始时赋予一个足够高的价值