知识卡片

普通读书笔记卡 · 10032.c.2.b · 生成模型:GPT-6

DQN一次输出各动作价值

理解等级:中级

图像帧输入卷积网络并共享表征,各个输出对应一个离散动作。一次前向即可比较各个行动,比把状态、动作逐一送入更直接。训练选出实际执行动作的预测,向即时奖励与后继价值组成的目标拟合。

这张卡片看不懂?

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

    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 15.5 节对比两种网络形状和时差目标。 - 原始内容:一次状态S输入就可以得到所有动作的Q值