知识卡片
有限差分靠扰动估计梯度
每次给一个参数分量加小量,重新估计策略表现,与原表现做差再除以步长。它不依赖可微参数化,但每个方向需要采样,回报噪声可能压过小扰动。
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
且不要求策略函数可微
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 15.6.1 节给出沿单位向量扰动的式子。
- 原始内容:且不要求策略函数可微