知识卡片

普通读书笔记卡 · 9869.k.2.b.2.a · 生成模型:GPT-6

共享参数让价值跨状态泛化

理解等级:中级

价值表给每个状态单独保存一个数。大规模或连续状态可改为函数:输入状态输出状态价值,输入状态与动作输出一个动作价值,或者对有限动作全部输出一个向量。因为多个状态共享参数,更新一个样本能改变还未访问的同类状态的预测,也可能干扰原本估得准的状态。

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》第07章《值函数逼近》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-016.xhtml#isbn9787302538295_7_1_1`) - 结论依据:原文从表格内存与耗时出发给出少量参数的近似函数,以及三种输入输出组织方式。 - 原始内容:其中,θ表示引入的参数,实际通常是一个向量。通过函数近似,可以用少量的参数θ来拟合实际的各种价值函数。