281
个编辑
更改
跳到导航
跳到搜索
第240行：
第240行： − +
→使用神经网络逼近 Q 值函数
其中：
其中：
*'''输入'''：原始状态 <math>s</math>（如游戏画面像素矩阵）
*'''输入'''：原始状态 <math>s</math>（如游戏画面像素矩阵）
*'''输出'''：每个动作 <math>a</math> 对应的</math>Q</math>值（离散动作空间）
*'''输出'''：每个动作 <math>a</math> 对应的<math>Q</math>值（离散动作空间）
*'''参数'''：<math>θ </math>为神经网络的权重，通过梯度下降优化
*'''参数'''：<math>θ </math>为神经网络的权重，通过梯度下降优化