新闻详情

新闻详情

首页 / 资讯中心 / 详情

RL-赵-(八)-ValueBased03-ActionValue估算:Q-learning函数逼近算法【目标:计算出最优“值函数”参数,通过该“值函数”计算出的Action Value最优】

发布时间:2026/9/26 6:35:10来源:尧图网络
RL-赵-(八)-ValueBased03-ActionValue估算:Q-learning函数逼近算法【目标:计算出最优“值函数”参数,通过该“值函数”计算出的Action Value最优】
我们知道:“TD learning”with“value function approximate”:w t + 1 = w t + α t [ r t + 1 + γ v ^ ( s t + 1 , w t ) − v ^ ( s t , w t ) ] ∇ w v ^ ( s t , w t ) \color{red}{w_{t+1}=w_t+\alpha_t\left[r_{t+1}+\gamma\hat{v}(s_{t+1},w_t)-\hat{v}(s_t,w_t)\right]\nabla_w\hat{v}(s_t,w_t)}wt+1​=wt​+αt​[rt+1​+γv^(st+1​,wt​)−v^(st​,wt​)]∇w​v^(st​,wt​)“Sarsa算法”with“value function approximate”:w t + 1 = w t + α t [ r t + 1 + γ q ^ ( s t + 1 , a t + 1 , w t ) − q ^ ( s t , a t , w t ) ] ∇ w q ^ ( s t , a t , w t ) \color{red}{w_{t+1}=w_t+\alpha_t\left[r_{t+1}+\gamma\hat{q}(s_{t+1},a_{t+1},w_t)-\hat{q}(s_t,a_t,w_t)\right]\nabla_w\hat{q}(s_t,a_t,w_t)}wt+1​=wt​+αt​[rt+1​
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

Kubernetes 配置检查与发布安全清单:用 TaoToken 统一 Key 打通 kubectl 与 YAML 校验流程 2026/9/26 9:52:38

Kubernetes 配置检查与发布安全清单:用 TaoToken 统一 Key 打通 kubectl 与 YAML 校验流程

/* 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 →
如何在 Ubuntu 上安装 vim 并配置 TaoToken 统一 API 通道 2026/9/26 9:52:38

如何在 Ubuntu 上安装 vim 并配置 TaoToken 统一 API 通道

/* 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 →
VLA骨干拆解:视觉编码器、语言基座与融合设计的工程实践 2026/9/26 9:52:32

VLA骨干拆解:视觉编码器、语言基座与融合设计的工程实践

1. 为什么这时候要写VLA骨干拆解1.1 从一个真实的"暴力但不过分"的架构项目说起去年年初我接手了一个机器人操作项目,需求一句话:"让机械臂看摄像头,听懂人话,然后自己把杯子拿起来放到盘子里。"听起来简单&a…

阅读更多 →
Codex 服务器使用指南:SSH 反向代理与认证文件配置 TaoToken 实践 2026/9/26 9:52:31

Codex 服务器使用指南:SSH 反向代理与认证文件配置 TaoToken 实践

/* 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 →
云MES落地四大硬核关卡:协议穿透、报工闭环、云边容错与数据验真 2026/9/26 9:52:19

云MES落地四大硬核关卡:协议穿透、报工闭环、云边容错与数据验真

/* 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 →
数据结构课程代码包实战指南:从编译到对拍验证 2026/9/26 9:52:18

数据结构课程代码包实战指南:从编译到对拍验证

/* 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 →

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
📞 ✉