知识卡片
DQN一次输出各动作价值
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?
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
一次状态S输入就可以得到所有动作的Q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 15.5 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