← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.5.a.1.a.1.b · 生成模型:未记录

广义优势估计权衡

理解等级:中级

广义优势估计把不同时间尺度的 TD 残差按折扣和 λ 加权求和,以估计动作相对状态基线的优势。λ 影响偏差与方差的权衡:较小值更依赖价值估计,较大值纳入更长轨迹信息。

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:原文说明对不同步数优势估计作指数加权并以 λ 控制范围。 - 原始内容:GAE将这些不同步数的优势估计进行指数加权平均。