强化学习
关注
分享
扫一扫
强化学习
Happy_Traveller
这个作者很懒，什么都没留下…
展开
-
Policy-Based Reinforcement Learning（2）
公式（1）用于离散的情形， （2）用于连续的情形。原创 2024-06-10 20:48:13 · 198 阅读 · 0 评论 -
Policy-Based Reinforcement Learning（1）
这里使用梯度上升的方法，对于一个可观测状态s，更新。（这里将action A积分掉）这里如果策略函数。称为策略梯度（Policy Gradient）原创 2024-06-10 20:20:28 · 207 阅读 · 0 评论 -
Value-Based Reinforcement Learning（2）
上节已经提到了如果我们有DQN，那么agent就知道每一步动作如何做了，那么DQN如何训练那？这里面使用TD算法。，做梯度下降是为了让loss减少。原创 2024-05-26 21:30:30 · 192 阅读 · 0 评论 -
Value-Based Reinforcement Learning（1）
Discounted Return（未来的reward，由于未来存在不确定性，所以未来的reward 要乘以。由于存在action，和state随机性，现在想消除随机性，可以求。可以给任意的动作打分，agent可以根据。，表达了action的随机性。（监督回报，用来训练DQN），表达了转移状态的随机性。的打分，做最有利的动作。，那么每一步最好的动作。(DQN给出) ->原创 2024-05-26 20:57:05 · 218 阅读 · 0 评论