761
个编辑
更改
跳到导航
跳到搜索
第667行：
第667行： − 第687行：
第686行： −
→Atari 游戏中的应用与表现
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>|替代=|无]]<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。
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>|替代=|无]]<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'''
*'''Pong'''中，若球体接近球拍时选择"向下"动作，Q值实时降至-0.9，准确反映丢失球体的风险。
*'''Pong'''中，若球体接近球拍时选择"向下"动作，Q值实时降至-0.9，准确反映丢失球体的风险。
这些结果证明，DQN通过端到端训练构建的表征能同时支持感知泛化与长期价值推理。
这些结果证明，DQN通过端到端训练构建的表征能同时支持感知泛化与长期价值推理。
===机器人控制与路径规划===
===机器人控制与路径规划===