《强化学习导论》之doubleQ-Learning的理解
我的理解是这个最大化偏差来源于Q学习中的求取的最大化这个步骤可能得到的值不准确。然后这个期望，我觉得是讲动作和值解耦，然后从E的表达式来看，求得期望就是从另一个Q得到的动作的期望，默认第一个Q学到的是最大动作，然后第二个Q只求期望。两个没有干扰 同时，在周博磊的视频课程中，也可以认识到，因为我们采取的max这个操作的时候，用的还是待优化的东西，因此不是很准确，有偏差。
相关文章
- 1. 强化学习导论（一）
- 2. 李宏毅强化学习笔记【0.强化学习导论】
- 3. 强化学习通俗导论（一）：什么是强化学习
- 4. 强化学习导论 第二章
- 5. 【强化学习入门】强化学习导论 - 第一章：介绍
- 6. 强化学习基础四--Policy Gradient 理论推导
- 7. 【论文】强化学习必读经典论文 | 如何学习强化学习 | 强化学习入门
- 8. 强化学习概论2
- 9. 强化学习导论（Reinforcement Learning：An Introduction）学习笔记（七）
- 10. 强化学习导论（Reinforcement Learning：An Introduction）学习笔记（一）
- 更多相关文章...
- • CAP理论是什么？ - NoSQL教程
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 适用于PHP初学者的学习线路和建议
- • Tomcat学习笔记（史上最全tomcat学习笔记）
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