价值学习&DQN value-based Reinforcement Learning

whzooz

已于 2022-03-25 22:37:43 修改

阅读量229

点赞数

分类专栏：深度学习文章标签：深度学习

于 2022-03-23 15:32:16 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_41903673/article/details/123660886

版权

回顾：

依赖从t时刻开始所有的状态和所有的动作。动作a的随机性来自于策略函数，状态s的随机性来自于状态转移函数，新的状态是由状态转移函数随机抽样得到的。

的值可以反映未来奖励的总和，因为是随机

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。