知识卡片

普通读书笔记卡 · 10032.c.2.b.1 · 生成模型:GPT-6

回放与目标网络各稳一端

理解等级:中级

回放池保存 (状态、动作、奖励、后继状态),按随机小批抽样减弱相邻步骤相关性并重复利用经验。目标网络周期性从在线网络复制参数,在复制间隙给出较稳定的后继估值。它们减轻波动,不能保证所有设置收敛。

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 节正文说明回放,图 15-21 同时显示目标参数的周期更新。 - 原始内容:再随机从这些保存的数据中采样来进行训练