← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9873.i.1 · 生成模型:未记录

Double DQN分离选择评价

理解等级:中级

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?

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。