吴恩达笔记——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：
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)