← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 6473.d.5.a.1.a.2 · 生成模型:未记录

时序差分自举更新

理解等级:中级

时序差分用一步奖励加折扣后的下一状态价值估计,作为当前价值的更新目标;目标与当前估计的差称 TD 误差。它不必等整条轨迹结束,但使用尚不准确的价值估计作为目标,因此称为自举。

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:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml) - 结论依据:原文说明用实时奖励及下一状态价值替代完整回报并定义 TD 误差。 - 原始内容:R+γVπ(s)-Vπ(s)被称为时序差分误差。