知识卡片
Dueling网络分解价值优势
Dueling DQN 将网络输出分成状态价值和各动作优势,再组合成动作价值。由于给价值加常数、给优势减同样常数不改变 Q,需要对优势作中心化等约束,才能确定这一分解的表示。
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
神经网络的最后几层会有两个分支,分别输出状态价值函数和优势函数,再求和得到Q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:原文说明共享网络后的价值、优势分支以及分解不唯一。
- 原始内容:神经网络的最后几层会有两个分支,分别输出状态价值函数和优势函数,再求和得到Q值。