強(qiáng)化學(xué)習(xí)基礎(chǔ)理論及算法課件-Actor-Critic算法分析(A3C)_第1頁
強(qiáng)化學(xué)習(xí)基礎(chǔ)理論及算法課件-Actor-Critic算法分析(A3C)_第2頁
強(qiáng)化學(xué)習(xí)基礎(chǔ)理論及算法課件-Actor-Critic算法分析(A3C)_第3頁
強(qiáng)化學(xué)習(xí)基礎(chǔ)理論及算法課件-Actor-Critic算法分析(A3C)_第4頁
強(qiáng)化學(xué)習(xí)基礎(chǔ)理論及算法課件-Actor-Critic算法分析(A3C)_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、強(qiáng)化學(xué)習(xí)基礎(chǔ)理論及算法課件Actor-Critic算法分析(A3C)先來看看AC還記得我們的老朋友吧：后續(xù)獲得的所有獎(jiǎng)勵(lì)：可能并不穩(wěn)定引入過baseline：,并用網(wǎng)絡(luò)來估計(jì)b值再來回憶下Q：優(yōu)勢(shì)函數(shù)（Adavantage）函數(shù)表達(dá)式：就是在狀態(tài)s下，選擇某一動(dòng)作有多好，Q相當(dāng)于咱們得到的；V是期望的（平均 就好比你現(xiàn)在考試，老師（V）認(rèn)為你能考100分，其實(shí)只考了5分（Q）如果A值計(jì)算是正的，那就說明當(dāng)前動(dòng)作執(zhí)行的挺好，要繼續(xù)朝這方向干AC需要解決的問題把這幾個(gè)當(dāng)事人都叫來吧:由于智能體在與環(huán)境交互過程中有大量的隨機(jī)性，所以算的是期望 為了計(jì)算A，現(xiàn)在出現(xiàn)了Q和V，那我得訓(xùn)練倆網(wǎng)絡(luò)了（一個(gè)都

2、很難整，現(xiàn)在給我過來倆？）來個(gè)近似讓問題簡(jiǎn)單些吧：（現(xiàn)在只需要訓(xùn)練一個(gè)網(wǎng)絡(luò)就夠了！）AC整體流程：1.獲取數(shù)據(jù)：（不斷與環(huán)境交互，通過策略）：前向傳播計(jì)算計(jì)算梯度更新參數(shù)：AC算法細(xì)節(jié)是不是得訓(xùn)練兩個(gè)網(wǎng)絡(luò)呢？分別完成其對(duì)應(yīng)的任務(wù)但是它倆好像都是根據(jù)狀態(tài)來預(yù)測(cè)結(jié)果 共享一下吧：AC算法細(xì)節(jié)：n-step: 只算一步會(huì)不會(huì)有點(diǎn)簡(jiǎn)單呢？讓它眼光更長(zhǎng)一些實(shí)際計(jì)算公式還引入了折扣系數(shù)，越往后的情況影響力稍微有所降低 n值通常情況下也不同太大，越大的話variance也會(huì)越大A3C整體架構(gòu)如果只用一個(gè)智能體不斷與環(huán)境交互得到數(shù)據(jù) ，會(huì)有什么問題嗎？樣本之間的相關(guān)性會(huì)較大，違背了機(jī)器學(xué)習(xí)的本質(zhì)（獨(dú)立同分布） 多個(gè)智能體（多線程）每一個(gè)都自己去玩（單獨(dú)）A3C整體架構(gòu)損失函數(shù)：策略損失（Policy）:（起決策的網(wǎng)絡(luò)）Value網(wǎng)絡(luò)損失：（預(yù)期與實(shí)際的差異）熵：（

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論