本科生学深度学习一轻松理解DQN，两个网络解决Q值误差
系列文章，欢迎订阅
本科生学深度学习-用最通俗易懂的方式学会深度学习-目录_深度学习csdn_香菜+的博客-CSDN博客
之前写了QLearning，时间有点久了，后来也忙于工作，一直没有输出，今天写下DQN
1、DQN概述
Q-Learning 则采用在线学习的方式，每个时间步都要更新 Q 值函数，并且行为只能是离散的动作，
当面对连续动作空间的时候，数据爆炸，纬度爆炸的问题很难解决，内存有限，没办法缓存太多数据，
如围棋，对于动作集合规模庞大、动作连续的场景（如机器人控制领域），其很难学习到较好的结果。
Q-Learning 使用表格来存储和更新 Q 值函数，DQN 使用深度神经网络来逼近 Q 值函数。
说直白点：用神经网络也就是一组函数代替表格，将表格进行压缩。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！