Reinforcement Learning（二）：Value-Based

回顾一下action-value函数：

Value-Based是指：

但是一般来说，这个Q*我们是无从得出的，因此提出使用卷积网络来近似：

Deep Q-Network (DQN)

Approximate the Q Function

Deep Q Network (DQN)

Apply DQN to Play Game

---

Temporal Difference (TD) Learning

一个小例子

那么存不存在一种方法，不用完成旅行，就可以进行更新呢？

Why does TD learning work?

---

TD Learning for DQN

没看懂？别急，下面简单推导一下：

Train DQN using TD learning

---

Summary

Value-Based Reinforcement Learning

Temporal Difference (TD) Learning