知识卡片
共享参数让价值跨状态泛化
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?
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
- 值函数逼近 7.1 值函数逼近简介 · 查看原书依据
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。
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。