知识卡片

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

策略价值网络学习两类标签

理解等级:高级

价值头拟合以该状态执棋方视角保存的实际胜负。策略头拟合搜索分布对输出概率的加权对数,目标是把高概率给到搜索更常访问的动作。两个损失共同塑造共享卷积特征,权重衰减可在优化器内实现。

关联:[[共享棋局特征分为双头]]。联合损失分别监督策略分布与终局价值。

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10章《10.4.3 搭建策略价值网络并进行策略提升》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter95.xhtml`,body 子元素 19 - 结论依据:原文代码把价值回归与策略交叉熵联合优化。 - 原始内容:定义损失函数 loss = (z - v)^2 - pi^T * log(p)