JavaShuo
欄目
標籤
爲什麼基於策略估計的方法性能優於基於行爲值函數估計的方法?例如DPG優於DQN?
時間 2021-01-20
欄目
系統性能
简体版
原文
原文鏈接
原因有兩個: 1.如果最終策略是確定性策略,則基於策略估計的方法採用的softmax可以逼近找到最優解,即會出現pi(a|s)=1或0的情況;而基於行爲值函數的估計的方法由於需指定ewuxilong-greedy策略中的ewuxilong參數,不能取得確定性策略,因爲ewuxilong完全等於0意味着沒有探索,其性能不會太好。 2.如果最優策略是隨機策略,則基於策略估計的方法採用的softmax可
>>阅读原文<<
相關文章
1.
基於AprilTag的位姿估計方法
2.
基於番茄土豆的scrum工時估計方法嘗試
3.
關於粗略估計
4.
基於神經網絡的DQN方法
5.
基於網絡中心性的計算機網絡脆弱性評估方法
6.
JQData應用 | 基於估值波動週期的擇時策略
7.
爲什麼並行優於串行?
8.
基於FlowNet的光流估計
9.
基於梯度的優化方法
10.
基於oracle的sql優化方法論
更多相關文章...
•
Spring基於Annotation裝配Bean
-
Spring教程
•
Spring基於XML裝配Bean
-
Spring教程
•
☆基於Java Instrument的Agent實現
•
適用於PHP初學者的學習線路和建議
相關標籤/搜索
優於
基於
行於
優先於
基於MSP432
基於Maven
基於ShaderToy
基於zookeeper
基於1.1.3
調優方法
系統性能
Spring教程
PHP教程
MySQL教程
算法
計算
設計模式
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.
正確理解商業智能 BI 的價值所在
2.
解決梯度消失梯度爆炸強力推薦的一個算法-----LSTM(長短時記憶神經網絡)
3.
解決梯度消失梯度爆炸強力推薦的一個算法-----GRU(門控循環神經⽹絡)
4.
HDU4565
5.
算概率投硬幣
6.
密碼算法特性
7.
DICOMRT-DiTools:clouddicom源碼解析(1)
8.
HDU-6128
9.
計算機網絡知識點詳解(持續更新...)
10.
hods2896(AC自動機)
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.
基於AprilTag的位姿估計方法
2.
基於番茄土豆的scrum工時估計方法嘗試
3.
關於粗略估計
4.
基於神經網絡的DQN方法
5.
基於網絡中心性的計算機網絡脆弱性評估方法
6.
JQData應用 | 基於估值波動週期的擇時策略
7.
爲什麼並行優於串行?
8.
基於FlowNet的光流估計
9.
基於梯度的優化方法
10.
基於oracle的sql優化方法論
>>更多相關文章<<