吴恩达笔记——强化学习_吴恩达强化学习

作者：Cpp五条 | 2024-06-01 16:08:17

踩

吴恩达强化学习

奖励机制：

Q（s,a）=R(s)+γmaxQ(s',a')

用NN来训练，得到最佳的Q：

第一步是随机产生一个Q，用来得到作为trainingset的x和y，然后把x和对应的y输入到NN中

改良NN：

第一种：把输出层从一个神经元变成跟action个数一样的神经元数量

第二种：贪婪搜索

epsilon的尝试要从高开始逐渐降低，比如从1到0.01

第三种：mini batch训练减少训练时间 ——这个也可以作为普通NN的训练方法以减小训练时间

第四种：软更新不直接Set Q=Qnew，而是：

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/658374