知识卡片

普通读书笔记卡 · 9873.p.1 · 生成模型:未记录

DQN经验回放与目标网络

理解等级:中级

DQN 用神经网络近似离散动作的 Q 值。经验回放保存交互样本并随机抽批复用,可减少相邻样本相关性;目标网络较慢更新,为 TD 目标提供相对稳定的参考。随机抽样不保证样本严格独立同分布。

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

    • 强化学习 · 查看原书依据

      将每一次从环境中采样得到的四元组数据储存到回放缓冲区中,再从回放缓冲区中随机选择若干样本来训练Q网络

    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:原文说明回放缓冲区复用样本和延迟复制参数的目标网络。 - 原始内容:将每一次从环境中采样得到的四元组数据储存到回放缓冲区中,再从回放缓冲区中随机选择若干样本来训练Q网络