強化深度學習task06連續動作空間和DDPG
一、連續動作和離散動作
連續動作：動作是連續的浮點數比如速度、推力、角度、電壓等
離散動作：動作是離散值，比如上下左右等。
求解方法：
離散動作：softmax對映
連續動作：tanh連續對映
二、DDPG
是DQN的擴充套件版，可擴充套件至連續空間
actor-critic結構
演員輸出動作，並根據評論家的評判修改動作策略，評論家根據分數（觀眾反應）得出動作評判標準
相關文章
- 強化學習(十六) 深度確定性策略梯度(DDPG)強化學習梯度
- 使用深度強化學習產生多維動作空間，智慧體更新如何處理強化學習智慧體
- 深度強化學習第十二章——Deep Deterministic Policy Gradient（DDPG）強化學習
- 一個連續動作空間的SAC的例子
- 強化學習-學習筆記15 | 連續控制強化學習筆記
- 深度學習及深度強化學習研修深度學習強化學習
- 強化學習演算法筆記之【DDPG演算法】強化學習演算法筆記
- 深度學習及深度強化學習應用深度學習強化學習
- 深度學習+深度強化學習+遷移學習【研修】深度學習強化學習遷移學習
- 深度強化學習day01初探強化學習強化學習
- 關於強化學習、深度學習deeplearning研修強化學習深度學習
- 《深度強化學習》手稿開放了！強化學習
- 深度學習、強化學習核心技術實戰深度學習強化學習
- pandas組隊學習task06
- 43. 連續空間的只讀性
- 深度強化學習核心技術實戰強化學習
- 使用Actor-Critic的DDPG強化學習演算法控制雙關節機械臂強化學習演算法機械臂
- 想利用上班空閒時間學習自動化測試
- hive生成連續的時間和連續的數Hive
- 機器學習、深度學習、強化學習課程超級大列表！機器學習深度學習強化學習
- TypeScript學習筆記（三）泛型、模組化和名稱空間TypeScript筆記泛型
- 新的深度學習優化器Ranger：RAdam + LookAhead強強結合深度學習優化Ranger
- 深度強化學習技術開發與應用強化學習
- 【強化學習】變革尚未成功：深度強化學習研究的短期悲觀與長期樂觀強化學習
- 深度學習煉丹-資料處理和增強深度學習
- 流式深度學習終於奏效了！強化學習之父Richard Sutton力薦深度學習強化學習
- 備戰世界盃！先用深度學習與強化學習踢場 FIFA 18深度學習強化學習
- 強化學習強化學習
- 強化學習-學習筆記13 | 多智慧體強化學習強化學習筆記智慧體
- 自動駕駛汽車遇到交叉路口？深度強化學習來幫忙自動駕駛強化學習
- 【強化學習】強化學習術語表（A-Z）強化學習
- 【強化學習篇】--強化學習案例詳解一強化學習
- 深度強化學習中稀疏獎勵問題Sparse Reward強化學習
- 谷歌論文：使用深度強化學習的晶片佈局谷歌強化學習晶片
- 深度強化學習——第十章稀疏獎勵強化學習
- 機器學習-學習筆記(一) --> （假設空間 & 版本空間）及 歸納偏好機器學習筆記
- 鋪天蓋地的炒作下，我依然覺得深度強化學習是浪費時間強化學習
- 深度學習煉丹-資料預處理和增強深度學習