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.
升級Gradle後報錯Gradle‘s dependency cache may be corrupt (this sometimes occurs
2.
Smarter, Not Harder
3.
mac-2019-react-native 本地環境搭建(xcode-11.1和android studio3.5.2中Genymotion2.12.1 和VirtualBox-5.2.34 )
4.
查看文件中關鍵字前後幾行的內容
5.
XXE萌新進階全攻略
6.
Installation failed due to: ‘Connection refused: connect‘安卓studio端口占用
7.
zabbix5.0通過agent監控winserve12
8.
IT行業UI前景、潛力如何?
9.
Mac Swig 3.0.12 安裝
10.
Windows上FreeRDP-WebConnect是一個開源HTML5代理,它提供對使用RDP的任何Windows服務器和工作站的Web訪問
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<<