281
个编辑
更改
跳到导航
跳到搜索
第245行：
第245行： − + − 输入：原始状态 s（如游戏画面像素矩阵）+ − 输出：每个动作 a 对应的Q值（离散动作空间）+ − 参数：θ 为神经网络的权重，通过梯度下降优化 − 核心意义：+ − + − 端到端学习：直接从原始状态（如像素）映射到动作价值，无需手工设计特征。+ − 泛化能力：相似状态共享神经网络的特征表示，提升样本利用率。+ − 高维处理：卷积神经网络（CNN）可高效提取图像中的空间特征。
→使用神经网络逼近 Q 值函数
其中：
其中：
*'''输入'''：原始状态 s（如游戏画面像素矩阵）
*'''输出'''：每个动作 a 对应的Q值（离散动作空间）
*'''参数'''：θ 为神经网络的权重，通过梯度下降优化
'''核心意义'''：
*'''端到端学习'''：直接从原始状态（如像素）映射到动作价值，无需手工设计特征。
*'''泛化能力'''：相似状态共享神经网络的特征表示，提升样本利用率。
*'''高维处理'''：卷积神经网络（CNN）可高效提取图像中的空间特征。
===经验回放（Experience Replay）机制===
===经验回放（Experience Replay）机制===