2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）
连续行动: 在某些情况下，action是一个连续向量（比如驾驶类游戏，需要决定一个连续的角度） 在这种情况下，Q learning 并不是一个用来寻找最佳action的好方法 解决方式一: 采样一系列行动，看哪个行动会返回最大的Q值 解决方式二: 使用梯度上升来解决这个优化问题（具有较高的计算成本） 解决方式三: 设计一个网络来使得这个优化过程更简单 这里 ∑ 和 μ 是高斯分布的方差和均值，因此
相关文章
- 1. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 2. 2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
- 4. 2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
- 5. 2020李宏毅学习笔记——67 RL Advanced Version 3.Q-learning（basic idea）
- 6. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅学习笔记——9. Backpropagation
- 8. 李宏毅 2020 Machine Learning
- 9. 2020李宏毅学习笔记——64.Deep Reinforcement Learning
- 10. 李宏毅深度强化学习笔记（四）Q-learning（Advanced Tips）
- 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
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
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。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 2. 2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
- 4. 2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
- 5. 2020李宏毅学习笔记——67 RL Advanced Version 3.Q-learning（basic idea）
- 6. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 7. 2020李宏毅学习笔记——9. Backpropagation
- 8. 李宏毅 2020 Machine Learning
- 9. 2020李宏毅学习笔记——64.Deep Reinforcement Learning
- 10. 李宏毅深度强化学习笔记（四）Q-learning（Advanced Tips）