281
个编辑
更改
跳到导航
跳到搜索
第595行：
第595行： − +
→Atari 游戏中的应用与表现
*'''Pong'''以18.9分（人类9.3分）实现132%的人类水平，动作价值预测精准；
*'''Pong'''以18.9分（人类9.3分）实现132%的人类水平，动作价值预测精准；
*'''Video Pinball'''更以42,684分（人类17,298分）达成2539%的人类水平，证明对复杂物理机制的高效利用。
*'''Video Pinball'''更以42,684分（人类17,298分）达成2539%的人类水平，证明对复杂物理机制的高效利用。
训练过程稳定性通过平均每局得分和预测Q值曲线得到验证，见图[[文件:Q值训练.jpg|缩略图|预测Q值曲线]]，二者均随训练稳步上升，未出现传统Q学习的发散现象。奖励裁剪策略（正奖励+1，负奖励-1）则确保了不同游戏间学习率的一致性。
训练过程稳定性通过平均每局得分和预测Q值曲线得到验证，见图[[文件:Q值训练.jpg|缩略图|预测Q值曲线，引自<ref name="dqn"></ref>]]<br>，二者均随训练稳步上升，未出现传统Q学习的发散现象。奖励裁剪策略（正奖励+1，负奖励-1）则确保了不同游戏间学习率的一致性。
'''泛化与表征能力'''
'''泛化与表征能力'''