新闻详情

新闻详情

首页 / 资讯中心 / 详情

RL-赵-(八)-Value函数拟合算法01-StateValue估算:TD函数逼近算法03【优化目标函数:梯度下降】【基于TD算法的梯度下降】

发布时间:2026/9/27 22:41:13来源:尧图网络
RL-赵-(八)-Value函数拟合算法01-StateValue估算:TD函数逼近算法03【优化目标函数:梯度下降】【基于TD算法的梯度下降】
2、如何优化目标函数?答案:梯度下降当我们有了目标函数,下一步就是优化它。为了最小化目标函数J(w)J(w)J(w),我们可以使用gradient-descent算法:wk+1 = wk − αk∇wJ(wk ) \begin{aligned}w_{k+1}\:=\:w_k\:-\:\alpha_k\nabla_wJ(w_k\:)\end{aligned}wk+1​=wk​−αk​∇w​J(wk​)​真实梯度(true gradient)的表达式如下:∇wJ(w)=∇wE[(vπ(S)−v^(S,w))2]=E[∇w(vπ(S)−v^(S,w))2]=2E[(vπ(S)−v^(S,w))(−∇wv^(S,w))]=−2E[(vπ(S)−v^(S,w))∇wv^(S,w)]\begin{aligned} \nabla_wJ(w) =\nabla_w\mathbb{E}[(v_\pi(S)-\hat{v}(S,w))^2] \\ =\mathbb{E}[\nabla_w(v_\pi(S)-\hat{v}(S,w))^2] \\ =2\mathbb{E}[(v_\pi(S)-\hat{v}(S,w))(-\nabla_w\hat{v}(S,w))] \\ \begin{aligned}=-2\mathbb{E}[(v_\pi(S)-\hat{v}(S,w))\nabla_w\hat{v}(S,w)]\end{aligned} \end{aligned}∇w​J(w)​=∇w​E[(vπ​(S)−v^(S,w))2]=E[∇w​(vπ​(S)−v^
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

详解php中的password_verify 和 password_hash密码验证 2026/9/27 23:33:03

详解php中的password_verify 和 password_hash密码验证

password_hash() 使用足够强度的单向散列算法创建密码的散列(hash)。当前支持的算法:PASSWORD_DEFAULT - 使用 bcrypt 算法 (PHP 5.5.0 默认)。 注意,该常量会随着 PHP 加入更新更高强度的算法而改变。 所以,使用此常量生成结果的长度将在未…

阅读更多 →
网站被黑挂马怎么办?一文搞懂wordpresshtml标签安全 2026/9/27 23:32:57

网站被黑挂马怎么办?一文搞懂wordpresshtml标签安全

网站被黑挂马怎么办?一文搞懂wordpresshtml标签安全 昨晚三点,手机突然弹出一条短信:您的域名已被监管局标记为高危。我抓起电脑一看,后台一片惨白,首页变成了博彩广告,源码里多了一堆看不懂的 <script>…

阅读更多 →
【Unity UI 进阶】仿 Element UI 打造企业级 Unity UI 组件库(10) 2026/9/27 23:32:57

【Unity UI 进阶】仿 Element UI 打造企业级 Unity UI 组件库(10)

【Unity UI 进阶】仿 Element UI 打造企业级 Unity UI 组件库&#xff08;10&#xff09; 环境与工具说明项说明代码生成本系列组件库代码由 Cursor&#xff08;AI 编程助手&#xff09;辅助生成与迭代&#xff0c;再结合工程内联调、重构落地Unity 版本2022.3.50f1c1&#xff…

阅读更多 →
减少AI视频抽卡的7种3D预演技术,从人物走位到镜头调度一次讲透 2026/9/27 23:32:57

减少AI视频抽卡的7种3D预演技术,从人物走位到镜头调度一次讲透

大家好&#xff0c;我是抖知书&#xff01; AI视频生成最让人崩溃的场景&#xff0c;不是模型能力不够&#xff0c;而是提示词写了一大段&#xff0c;生成结果和脑子里想的完全不是一回事。 人物从左边出来&#xff0c;模型让他从右边进来&#xff1b;镜头想拍侧面特写&#xf…

阅读更多 →
WebAssembly 与 ESP32:为什么一个 .wasm 文件不等于完整应用 2026/9/27 23:32:50

WebAssembly 与 ESP32:为什么一个 .wasm 文件不等于完整应用

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
量化策略使用不复权数据会出现什么问题?从回测收益失真看价格口径 2026/9/27 23:32:50

量化策略使用不复权数据会出现什么问题?从回测收益失真看价格口径

一句话结论&#xff1a;量化策略直接使用不复权价格并不一定错误&#xff0c;但如果策略需要比较跨除权事件前后的价格、计算历史收益率或技术指标&#xff0c;却没有明确处理复权口径&#xff0c;就可能让回测结果与策略实际想表达的价格变化产生偏差。摘要 在股票量化回测中&…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉