深度学习算法 Q-learning 原理

ar IN le

Q-learning Q-learning 是 value-based 的方法，在这种方法中我们不是要训练一个 policy，而是要训练一个critic网络。critic 并不直接采取行为，只是对现有的 actor ，评价它的好坏。 Value-Fuction critic 给出了一个 value function ，代表在遇到游戏的某个 state 后，采取策略为的actor 一直玩到游戏结束，所能得到的 reward 之和。（即critic）的输入是某个state，输出是一个scalar标量。上图游戏画面中左边的很大，因为当前怪物比较多，防护罩也没被摧毁，从此时玩到游戏结束得

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

深度学习算法 Q-learning 原理

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载