知识卡片
用动作价值压缩模仿输入
从已训练 DQN 取得每个可选动作在该局面的价值向量,用不同时刻的向量表示短期历史,再根据示范训练动作分类器。能省去直接模仿像素时的维度开销。若两种状态对得分的价值分布接近、对人的行动意义却不同,压缩会抹掉模仿所需信息。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
该方法不需要任何特定于游戏的知识,并且不需要在操作过程中进行仿真,它可以高速执行。
参考来源
- 位置:《AI游戏开发和深度学习进阶》第6章 6.4 不使用“类人化”函数的类人化游戏AI(book-source,`extracted/AI游戏开发和深度学习进阶/_epub-src/OEBPS/Text/0052.xhtml`)
- 结论依据:正文图 6.2 用同一 DQN 处理多个时间位置,再让另一个网络学习人类动作。
- 原始内容:该方法不需要任何特定于游戏的知识,并且不需要在操作过程中进行仿真,它可以高速执行。