知识卡片
回放与目标网络各稳一端
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?
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
再随机从这些保存的数据中采样来进行训练
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