往期回顾：
DQN原理及算法
目标网络和训练网络中参数更新 replace_target_iter
如果目标网络更新过快，算法将会陷入过拟合，n个batch后更新的道理类似于故意为数据添加了噪声，收敛的方向才会大致正确而不是在错误和正确之前震荡。
----深度强化学习·搭建深度Q值网络（DQN）及背后的思考
扫一扫
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
