知识卡片
Double DQN分离选择评价
Double DQN 用在线网络在下一状态选择价值最大的动作,再用目标网络评价该动作。把选择和评价分开可缓解同一估计器取最大值时的过高估计,但两个网络相关时无法保证完全消除偏差。
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
利用同一套神经网络的输出选取价值最大的动作,但是使用另一套神经网络计算其动作价值。
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:原文比较同网络取最大值的高估与分开选择和评价。
- 原始内容:利用同一套神经网络的输出选取价值最大的动作,但是使用另一套神经网络计算其动作价值。