← 返回卡片

原书出处

强化学习

07 值函数逼近 7.3.1 DQN方法

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

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。

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