知识卡片
DQN经验回放与目标网络
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?
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
- · 第8章 强化学习
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