已筛选

共 6433 道题

排序:

4905
DQN 如何工作,目标网络与经验回放各有什么作用?
模型训练与对齐强化学习与奖励
原理机制
进阶
4906
随机策略与确定性策略有什么区别?
模型训练与对齐强化学习与奖励
比较选型
基础
4907
DQN 有哪些常见改进变体,各自针对什么问题?
模型训练与对齐强化学习与奖励
比较选型
进阶
4908
Double DQN 如何缓解动作价值高估?
模型训练与对齐强化学习与奖励
原理机制
进阶
4909
Dueling DQN 如何分解状态价值与动作优势,有什么作用?
模型训练与对齐强化学习与奖励
原理机制
进阶
4910
策略梯度与 REINFORCE 如何用采样轨迹优化期望回报?
模型训练与对齐强化学习与奖励
原理机制
深入
4911
A3C 如何通过多个工作进程异步更新 Actor 与 Critic?
模型训练与对齐强化学习与奖励
原理机制
进阶
4912
Actor-Critic 如何分工协作,有哪些优势?
模型训练与对齐强化学习与奖励
原理机制
进阶
4913
DDPG 如何进行连续动作控制,为什么属于异策略算法?
模型训练与对齐强化学习与奖励
原理机制
进阶
4914
D4PG 在 DDPG 基础上引入了哪些机制?
模型训练与对齐强化学习与奖励
原理机制
进阶