JavaShuo
欄目
標籤
強化學習on-policy跟off-policy的區別
時間 2021-01-13
原文
原文鏈接
on-policy:生成樣本的policy(value function)跟網絡更新參數時使用的policy(value function)相同。典型爲SARAS算法,基於當前的policy直接執行一次動作選擇,然後用這個樣本更新當前的policy,因此生成樣本的policy和學習時的policy相同,算法爲on-policy算法。該方法會遭遇探索-利用的矛盾,光利用目前已知的最優選擇,可能學不到
>>阅读原文<<
相關文章
1.
機器學習、深度學習與強化學習區別
2.
強化學習Sarsa,Q-learning的收斂性最優性區別(on-policy跟off-policy的區別)
3.
【強化學習】強化學習分類
4.
強化學習,深度強化學習
5.
【強化學習】強化學習介紹
6.
equals 跟== 的區別
7.
強化學習
8.
強化學習無模型與基於模型區別
9.
Spring Boot跟Spring Cloud的區別 And Dubbo跟Spring Cloud的區別
10.
【強化學習】強化學習/加強學習/再勵學習介紹
更多相關文章...
•
您已經學習了 XML Schema,下一步學習什麼呢?
-
XML Schema 教程
•
我們已經學習了 SQL,下一步學習什麼呢?
-
SQL 教程
•
適用於PHP初學者的學習線路和建議
•
Tomcat學習筆記(史上最全tomcat學習筆記)
相關標籤/搜索
強化學習
強化學習篇
區別
強化
強的
別的
0.強化學習導論
強化學習鍊金術
強化學習筆記
強化學習(第2版)
PHP教程
NoSQL教程
Hibernate教程
學習路線
初學者
代碼格式化
0
分享到微博
分享到微信
分享到QQ
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
1.
resiprocate 之repro使用
2.
Ubuntu配置Github並且新建倉庫push代碼,從已有倉庫clone代碼,並且push
3.
設計模式9——模板方法模式
4.
avue crud form組件的快速配置使用方法詳細講解
5.
python基礎B
6.
從零開始···將工程上傳到github
7.
Eclipse插件篇
8.
Oracle網絡服務 獨立監聽的配置
9.
php7 fmp模式
10.
第5章 Linux文件及目錄管理命令基礎
本站公眾號
歡迎關注本站公眾號,獲取更多信息
相關文章
1.
機器學習、深度學習與強化學習區別
2.
強化學習Sarsa,Q-learning的收斂性最優性區別(on-policy跟off-policy的區別)
3.
【強化學習】強化學習分類
4.
強化學習,深度強化學習
5.
【強化學習】強化學習介紹
6.
equals 跟== 的區別
7.
強化學習
8.
強化學習無模型與基於模型區別
9.
Spring Boot跟Spring Cloud的區別 And Dubbo跟Spring Cloud的區別
10.
【強化學習】強化學習/加強學習/再勵學習介紹
>>更多相關文章<<