原书出处
强化学习
07 值函数逼近 7.3.1 DQN方法
为解决上述问题,DQN算法在运行过程中引入了两个神经网络,一个网络固定参数专门用来产生TD目标,称为TD网络。另一个网络专门用来评估策略更新参数,逼近值函数,称为动作值函数逼近网络。两个网络参数不一致,用于动作值函数逼近的网络参数,每一步都更新;而用于计算TD目标的网络参数每隔固定的步数更新一次,期间保持不变。
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