DQN的计算问题

求问大家为什么dqn的计算要用下一步的q value的max值呢，用mean不可以么
全部评论
最优贝尔曼方程
点赞 回复 分享
发布于 2017-10-16 22:55
因为更新往reward最大的action走
点赞 回复 分享
发布于 2017-10-16 20:48
q learning是off policy的，它每次实验选择下一个a是由behavior policy决定的。这里的behavior policy采用了选择q最大的a。如果是sarsa这种on policy的，它会按照之前学习的target policy去选a，一般是epsilon-greedy。 以上是我个人的理解。
点赞 回复 分享
发布于 2017-10-17 08:55

相关推荐

11-20 12:15
安徽艺术学院 市场推广
点赞 评论 收藏
分享
11-14 15:03
西安电子科技大学 C++
关于荣耀分组
只能说。。。只要不是安卓就行，松了口气
一名愚蠢的人类：多少games小鬼留下了羡慕的泪水
投递荣耀等公司10个岗位
点赞 评论 收藏
分享
11-21 17:33
已编辑
Kim Anh Academy of Beauty (Westminster) 深度学习
bro帮忙选一下
投票
满帮 35w快手和途虎都四五十
吃不饱的肱二头肌很想退休：tnnd 我以为选妹子呢，亏我兴高采烈的冲进来😠
投递快手等公司10个岗位
点赞 评论 收藏
分享
11-21 18:05
北京化工大学 生物制药岗
点赞 评论 收藏
分享
点赞 收藏 评论
分享

全站热榜

正在热议
# 25届秋招总结 #
331649次浏览 3135人参与
# 上班苦还是上学苦呢？ #
73582次浏览 656人参与
# 阿里云管培生offer #
37334次浏览 424人参与
# 地方国企笔面经互助 #
4574次浏览 12人参与
# 如果有时光机，你最想去到哪个年纪？ #
22064次浏览 415人参与
# 选完offer后，你后悔学本专业吗 #
22072次浏览 159人参与
# 百度开奖 #
185978次浏览 1166人参与
# 我的实习求职记录 #
6072893次浏览 83555人参与
# 如何一边实习一边秋招 #
997311次浏览 12669人参与
# 找工作时遇到的神仙HR #
553792次浏览 3803人参与
# 入职第一天，你准备什么时候下班 #
21680次浏览 144人参与
# 招聘要求与实际实习内容不符怎么办 #
10826次浏览 277人参与
# bilibili求职进展汇总 #
33356次浏览 357人参与
# 许愿池 #
214943次浏览 2535人参与
# 学历or实习经历，哪个更重要 #
54120次浏览 424人参与
# 你今年的平均薪资是多少？ #
71098次浏览 345人参与
# 实习工作，你找得还顺利吗？ #
248055次浏览 2913人参与
# 通信硬件薪资爆料 #
609771次浏览 5198人参与
# 海康威视求职进展汇总 #
400966次浏览 3408人参与
# 携程求职进展汇总 #
135944次浏览 932人参与
# 正在实习的你，几点下班 #
53455次浏览 396人参与
# 工作两年想退休了 #
53155次浏览 673人参与
牛客网
牛客企业服务