嗯嗯，是噢
-
- 正在追寻dolce
- 7级
- 自律力99.19
- 希望顺利毕业的学生
《RL 致命三角》
《强化学习导论》有云：RL 致命三角包含 bootstrap（根据当前估计进一步估计）、off-policy（探索和 exploit 分开）、approximation（泛化，放弃Q表），三者同时出现会不稳定。这一现象主要是因为，在强化学习中，bootstrap 带来了未来奖励信号的不确定性，approximation 本身就会带来近似误差（行为和 reward 因果关系的错误估计），off-policy 自身有数不平衡采样偏差。缓解致命三角问题的方法包括使用经验回放（Experience Replay）让样本更加独立同分布减少相关性，使用目标网络（Target Network）来稳定估计值函数，以及使用合适的approximation（如深度神经网络）等。
真是有趣的好说法ww
最近犒劳过的人
-
- 葫芦葫芦
- 6级
- 自律力81.93
- 北京
- 药学生
© 行恒 2013
哥们是做机器学习方向的吗?