深度强化学习 on-policy 和 off-policy
如下图，考查两个Policy的一致性： 生成训练数据基于的Behavior Policy 目标值即target value基于的Target Policy on-policy：两者一致 off-policy：两者不同 比如DQN： Target Policy π 是基于target network(参数为)的greedy policy，即给定s，选择使target value最大的a
相关文章
- 1. 强化学习,深度学习,深度强化学习
- 2. 强化学习，深度强化学习
- 3. 深度强化学习——强化学习到深度强化学习
- 4. 深度强化学习1——强化学习到深度强化学习
- 5. 【深度强化学习】A3C
- 6. 深度强化学习——A3C
- 7. 深度强化学习
- 8. 深度强化学习——DQN
- 9. 深度强化学习task03
- 10. GAN深度强化学习
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • 适用于PHP初学者的学习线路和建议
- • 算法总结-深度优先算法
相关标签/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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 强化学习,深度学习,深度强化学习
- 2. 强化学习，深度强化学习
- 3. 深度强化学习——强化学习到深度强化学习
- 4. 深度强化学习1——强化学习到深度强化学习
- 5. 【深度强化学习】A3C
- 6. 深度强化学习——A3C
- 7. 深度强化学习
- 8. 深度强化学习——DQN
- 9. 深度强化学习task03
- 10. GAN深度强化学习