← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2700.f.3.c.1 · 生成模型:未记录

REINFORCE使用完整回报

理解等级:中级

REINFORCE 是蒙特卡洛策略梯度方法,利用采样轨迹中从某一步起的实际折扣回报估计该步动作价值,并用它加权策略梯度。它需要获得相应后续回报,采样估计可能有较大波动。

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:《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 REINFORCE 用蒙特卡洛方法估计当前策略动作价值。 - 原始内容:REINFORCE算法是基于蒙特卡洛方法的策略梯度算法