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.
js中 charCodeAt
2.
Android中通過ViewHelper.setTranslationY實現View移動控制(NineOldAndroids開源項目)
3.
【Android】日常記錄:BottomNavigationView自定義樣式,修改點擊後圖片
4.
maya 文件檢查 ui和數據分離 (一)
5.
eclipse 修改項目的jdk版本
6.
Android InputMethod設置
7.
Simulink中Bus Selector出現很多? ? ?
8.
【Openfire筆記】啓動Mac版Openfire時提示「系統偏好設置錯誤」
9.
AutoPLP在偏好標籤中的生產與應用
10.
數據庫關閉的四種方式
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<<