原书出处
强化学习
07 值函数逼近 7.2.1 增量法
此时,我们注意到要更新的参数θ,不仅出现在要估计的当前状态的值函数中,还出现在目标值函数中。在对θ求导时,只考虑参数θ对估计值函数的影响而忽略对目标值函数的影响,即仅保留对θ的导数,而忽略对θ的导数,这种方法并非完全的梯度法,只有部分梯度,称为半梯度法。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-016.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae