DRL（五）——DDPG
在我的筆記DRL（四）——value function中，大部分講了Q Learning的算法、存在的問題和解決的措施。這一個筆記的內容是緊接上一篇的。 爲什麼要提出DDPG呢？ 因爲不管是DQN也好，DDQN也好，都是離散動作的，就是說，action是有限的。然而很多時候action都是連續的，這時候就需要新的方法了。 在連續動作空間中怎樣選擇最優action呢？ 我們知道，在離散動作的Q Le
相關文章
- 1. DRL-FlappyBird
- 2. DDPG 算法
- 3. DRL（三）——Policy Gradient
- 4. DRL(四)——Value Function
- 5. DRL---------DQN詳解
- 6. Datawhale DRL task1 隨筆
- 7. DRL（二）—— RL簡介
- 8. 李宏毅-DRL-S2
- 9. 李宏毅-DRL-S1
- 10. CNN五大經典模型:LeNet，AlexNet，GoogleNet，VGG，DRL
- 更多相關文章...
- • PHP round() 函數 - PHP參考手冊
- • SQL ROUND() 函數 - SQL 教程
- • RxJava操作符（五）Error Handling
- • Git五分鐘教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
