热门标签
热门文章
- 1git干获，从安装到上传项目（详细）_安装git 项目
- 2DD驱动鼠标键盘(驱动级别机器人使用鼠标键盘)
- 3来来来！Java工程师最容易遇到4个瓶颈是什么？精心整理_java课程上会遇到的瓶颈
- 4一键部署！QQ AI 聊天机器人！支持ChatGPT、文心一言、讯飞星火、Bing、Bard、ChatGLM、POE，多账号，人设调教
- 5区块链质押系统dapp开发系统架构设计全流程
- 6git提交到仓库的文件夹不能点击_git仓库出现@ c693863并且无法点击文件夹进去是怎么回事
- 7Flink1.14 Source概念入门讲解与源码解析(一)_flink1.15 继承abstractfilesource
- 8Python基础作业——第一节_python第一章作业
- 9makefile中all的作用_makefile all
- 10【华为OD机试真题 C语言】434、围棋的气、围棋气数 | 机试真题+思路参考+代码解析（最新C卷抽中）_围棋的气华为od
当前位置: article > 正文
浅析强化学习Proximal Policy Optimization Algorithms(PPO)_ppo网络结构
作者：不正经 | 2024-06-09 21:47:09
赞
踩
ppo网络结构
Actor-Critic网络
PPO是基于AC网络架构实现的。
Actor网络
PPO有一个Actor网络，Actor输入的维度为state_dim，即状态维数，输出维度为action_dim，意义是每个action的高斯策略的均值，另外，Actor网络还有action_dim个标准差参数，这样在输入一个state后，每个动作都对应一个一维的高斯分布。
Critic网络
PPO有一个Critic，Critic网络是用来拟合状态值函数 v π ( s ) =
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/不正经/article/detail/695906
推荐阅读
相关标签
