强化学习概述

 

其中网络根据 输入选择不同的网络结构 CNN ,RNN ，或者transformer

 

 在return最大的约束下，找到Actor中network的参数，满足这个约束，使得R越大越好。但是network训练过程中存在大量的随机性，导致训练困难。RL类似GAN，可以将Actor看成GAN中的Generater;把Reward和环境 看成discriminater。RL只能通过梯度法优化Actor，但是不能优化reward 网络

policy Gradient 

 

 奖励r存在正负性，将这样的轨迹作为训练资料，短期回报

 长期回报

 

 

注意在训练模型过程  每次更新模型都需要 重新收集一次资料，比如更新模型参数40次，需要重新收集资料40次，因此模型训练过程需要花费大量的时间

 

 

 

 

 不用等到游戏全部结束，就可以估计出后续的所有状态

注意：MC和TD得到的结果是不一样的

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

# transformer # 深度学习 # 人工智能
Logo
腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

avatar 腾讯云开发者社区

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

avatar 腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

avatar 腾讯云开发者社区