强化学习——On-policy

目录

三个基本概念——哪些是可变的

Actor的决策——神经网络分类器

一次game——trajectory发生的概率

trajectory的reward和reward的期望

action的梯度

n次游戏，每次游戏t次行为，所有行为发生的概率乘以它的效果。

参数更新

n次游戏的收集结果只用一次，之后使用更新后的action

实现的时候类似于一个分类器

让reward细化到每个action 的两个简单技巧

三个基本概念——哪些是可变的

强化学习——On-policy

Actor的决策——神经网络分类器

强化学习——On-policy

一次game——trajectory发生的概率

强化学习——On-policy

trajectory的reward和reward的期望

强化学习——On-policy

action的梯度

n次游戏，每次游戏t次行为，所有行为发生的概率乘以它的效果。

强化学习——On-policy

参数更新

n次游戏的收集结果只用一次，之后使用更新后的action

强化学习——On-policy

实现的时候类似于一个分类器

强化学习——On-policy

让reward细化到每个action 的两个简单技巧

强化学习——On-policy

强化学习——On-policy

强化学习——On-policy强化学习——On-policy

 

相关文章：

  • 2021-12-19
  • 2021-12-14
  • 2021-07-30
  • 2021-09-13
  • 2021-03-28
  • 2022-01-22
  • 2021-05-15
  • 2021-08-27
猜你喜欢
  • 2021-05-23
  • 2021-11-04
  • 2021-04-25
  • 2021-12-04
  • 2021-09-24
  • 2021-07-04
  • 2021-10-23
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode