IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 强化学习之DDQN -> 正文阅读

[人工智能]强化学习之DDQN

知识基础DQN参考我的博文:https://tianjuewudi.gitee.io/2021/07/16/qiang-hua-xue-xi-shi-jian-jiao-xue/#toc-heading-19

DQN复习

? 我们利用神经网络来代替表格法,我们可以输入S并输出多个Q,每个Q对应一个A。神经网络只需要储存有限的网络参数,我们的任务就是不断调整这些参数,使得输入输出符合我们的预期,而且状态可以泛化,相似的状态输出也差不多。
? DQN有两大创新点,一个是经验回放,一个是固定Q目标。经验回放是指探索的数据特征形成一组组数据,并且可以随机打乱,使得神经网络可以重复多次地进行学习。这样可以打乱样本的关联性,而且能提高样本利用率。固定Q目标是指我们把Q值固定一段时间来训练参数,我们需要另外一个一样的网络(target Q网络),Q网络的作用是产生一个Q预测值,直接用来决策。而target Q是产生一个Q目标值,我们通过这个目标值的 Q t + 1 Q_{t+1} Qt+1?计算Q网络 Q t Q_{t} Qt?,target Q往往固定一段时间来使Q网络得到充分训练。

DQN的缺陷

使用了 max 操作,Q-learning、DQN算法都会过高估计(overestimate)Q值。

DDQN与DQN的异同

DDQN和DQN一样,也有一样的两个Q网络结构。下面是DQN的更新公式
Q m ( S t , a t ) = Q m ( S t , a t ) + η ? ( R t + 1 + γ max ? a Q t ( S t + 1 , a ) ? Q m ( s t , a t ) ) Q_m(S_{t},a_t) = Q_m(S_{t},a_t)+ \eta * (R_{t+1} + γ \max_a Q_t(S_ {t+1} ,a) - Q_m(s_t,a_t)) Qm?(St?,at?)=Qm?(St?,at?)+η?(Rt+1?+γamax?Qt?(St+1?,a)?Qm?(st?,at?))
DDQN采用的是一种使更新公式更稳定的方法:
a m = a r g max ? a Q m ( s t + 1 , a ) a_m = arg \max_a Q_m(s_{t+1},a) am?=argamax?Qm?(st+1?,a)

Q m ( S t , a t ) = Q m ( S t , a t ) + η ? ( R t + 1 + γ Q t ( S t + 1 , a m ) ? Q m ( s t , a t ) ) Q_m(S_{t},a_t) = Q_m(S_{t},a_t)+ \eta * (R_{t+1} + γ Q_t(S_ {t+1} ,a_m) - Q_m(s_t,a_t)) Qm?(St?,at?)=Qm?(St?,at?)+η?(Rt+1?+γQt?(St+1?,am?)?Qm?(st?,at?))

也就是说DDQN与DQN的不同之处在于用来更新Q网络的Target Q中 Q ( S t + 1 , a ) Q(S_{t+1},a) Q(St+1?,a)的选择方式,DQN直接用Target Q网络中t+1时刻可选Q的最大值用来更新,而DDQN用的是根据Q网络t+1时刻的最大Q来选择对应的action,然后用这个action来对应决定Target Q网络中的Q值,这样更新的Q值就会小于等于DQN更新的Q值,改善overestimate的问题。

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-30 12:03:49  更:2021-08-30 12:05:55 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 17:40:52-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码