02 2019 档案

强化学习(十七) 基于模型的强化学习与Dyna算法框架
摘要：在前面我们讨论了基于价值的强化学习(Value Based RL)和基于策略的强化学习模型(Policy Based RL)，本篇我们讨论最后一种强化学习流派，基于模型的强化学习(Model Based RL)，以及基于模型的强化学习算法框架Dyna。 本篇主要参考了UCL强化学习课程的第8讲和Dy 阅读全文
posted @ 2019-02-15 20:22 刘建平Pinard 阅读(24908) 评论(26) 推荐(2) 编辑
强化学习(十六) 深度确定性策略梯度(DDPG)
摘要：在强化学习(十五) A3C中，我们讨论了使用多线程的方法来解决Actor-Critic难收敛的问题，今天我们不使用多线程，而是使用和DDQN类似的方法：即经验回放和双网络的方法来改进Actor-Critic难收敛的问题，这个算法就是是深度确定性策略梯度(Deep Deterministic Poli 阅读全文
posted @ 2019-02-01 19:42 刘建平Pinard 阅读(121008) 评论(318) 推荐(24) 编辑

点击右上角即可分享
微信分享提示