2020年5月31日
李宏毅的强化学习视频用于梳理翻阅（4）奖励、模仿
摘要： 效果不太好 稀疏奖励中的好奇心 curiosity模型中，在原来DQN的基础上，建立了Network1，用于在𝑎_𝑡和𝑠_𝑡的条件下预测输出的下一个状态，与实际在MDP的一个片段上输出的，下一个状态之间求差，将差作为奖励r的一部分，以鼓励探索不同的状态。 引入了Network2，将输入的两个 阅读全文
posted @ 2020-05-31 16:57 大浪淘沙、 阅读(281) 评论(0) 推荐(0)