← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10032.b.1.a · 生成模型:GPT-6

有限差分靠扰动估计梯度

理解等级:中级

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?

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 15.6.1 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