← 返回卡片

原书出处

强化学习

07 值函数逼近 7.2.1 增量法

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.895Z

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。

此预览只包含定位所需的摘录和上下文。

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