281
个编辑
更改
跳到导航
跳到搜索
第247行：
第247行： − *'''参数'''：θ 为神经网络的权重，通过梯度下降优化+ +
→使用神经网络逼近 Q 值函数
*'''输入'''：原始状态 s（如游戏画面像素矩阵）
*'''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）
*'''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'''：
'''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。
*'''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。