我的名字会很长长长长长长长长 2021-05-17 22:26 采纳率: 0%
浏览 61

哈喽啊，老铁们。有伙伴研究强化学习中的DDPG算法吗，我现在的问题是：算法中对于actor网络，目标

哈喽啊，老铁们。有伙伴研究强化学习中的DDPG算法吗，我现在的问题是：算法中对于actor网络，目标网络权值w'的更新与当前网络权值w有关，也就是w'=tau*w+(tau-1)*w'。当前网络权值w是基于梯度下降法更新的，而目标网络权值w'更新是基于上面那个式子的，那目标网络对于权值的训练是不是就不需要梯度下降法了?
  • 写回答

1条回答 默认 最新

  • 我的名字是！伊！泽！瑞！尔! 2021-12-30 22:50
    关注

    对的，在训练过程结束时进行目标网络和当前网络的软更新，也就是上面那个式子

    评论

报告相同问题？

悬赏问题

  • ¥15 esp32驱动GC9A01循环播放视频
  • ¥15 惠普360g9的最新bios
  • ¥15 配置hadoop时start-all.sh老是启动失败
  • ¥30 这个功能用什么软件发合适？
  • ¥60 微信小程序，取消订单，偶尔订单没有改变状态
  • ¥15 用pytorch实现PPO算法
  • ¥15 关于调制信号的星座图？
  • ¥30 前端传参时，后端接收不到参数
  • ¥15 这是有什么问题吗，我检查许可证了但是显示有呢
  • ¥15 机器学习预测遇到的目标函数问题