知识卡片
蒙特卡罗价值取完整回报均值
记录完整片段后,对访问某个状态或状态动作后的折扣回报求平均。首次访问法在每个片段只用第一次,每次访问法可使用多次。因目标是实际完成的回报,它需要片段能结束。
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
- 深度强化学习 · 查看原书依据
对每次探索到的G(s)取平均值
参考来源
- 位置:《机器学习观止:核心原理与实践》第15章《深度强化学习》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter15.xhtml`)。
- 结论依据:第 15.4.1 节分不同片段与同一片段内重访说明均值。
- 原始内容:对每次探索到的G(s)取平均值