2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）
連續行動: 在某些情況下，action是一個連續向量（比如駕駛類遊戲，需要決定一個連續的角度） 在這種情況下，Q learning 並不是一個用來尋找最佳action的好方法 解決方式一: 採樣一系列行動，看哪個行動會返回最大的Q值 解決方式二: 使用梯度上升來解決這個優化問題（具有較高的計算成本） 解決方式三: 設計一個網絡來使得這個優化過程更簡單 這裏 ∑ 和 μ 是高斯分佈的方差和均值，因此
相關文章
- 1. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 2. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
- 4. 2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
- 5. 2020李宏毅學習筆記——67 RL Advanced Version 3.Q-learning（basic idea）
- 6. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅學習筆記——9. Backpropagation
- 8. 李宏毅 2020 Machine Learning
- 9. 2020李宏毅學習筆記——64.Deep Reinforcement Learning
- 10. 李宏毅深度強化學習筆記（四）Q-learning（Advanced Tips）
- 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
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 2. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
- 4. 2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
- 5. 2020李宏毅學習筆記——67 RL Advanced Version 3.Q-learning（basic idea）
- 6. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅學習筆記——9. Backpropagation
- 8. 李宏毅 2020 Machine Learning
- 9. 2020李宏毅學習筆記——64.Deep Reinforcement Learning
- 10. 李宏毅深度強化學習筆記（四）Q-learning（Advanced Tips）