原书出处
强化学习
07 值函数逼近 7.3.1 DQN方法
经历回放在强化学习的计算中是这样实现的:智能体跟环境不断交互,将在环境中学习积累的数据存储到记忆库中。存储的时候,是按照时间步为单元进行存储的,如<s1,a1,r2,s2>。每一次对神经网络的参数进行更新时,利用均匀随机采样的方法从数据库中抽取数据,然后通过抽取的数据对神经网络进行训练。
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