reinforcement-learning - 具有 Q 学习的简单神经网络
问题描述
我在强化学习和建模算法以在我的游戏中实现强化学习方面相对较新。我学习并掌握了神经网络和 Q 学习方面的知识。根据我的游戏规范,我在其中安装了无模型、离策略的算法,其中包含一个带有一个隐藏层的简单神经网络:
- 输入层 - 一组定义的输入
- 隐藏层——在隐藏层定义了三个策略
- 结果 - 输出
我的困惑是,如果我在我的神经网络中实现 Q 学习,那么策略是什么?
- 我必须使用 DQN 吗?
- 还是我必须为隐藏层中的每个策略实施 Q 学习,在我的情况下是三个(所以三个 Q 值表)?
- 除了 QI 还能用什么来训练这个神经网络
感谢您的帮助,谢谢!
解决方案
推荐阅读
- sql-server - 如何将 SQL 视图连接到 HTML 5 网页
- bash - rsync - 排除除子目录之外的所有内容,但排除子子目录
- javascript - 登录后如何在不重新加载页面的情况下根据用户刷新数据?
- javascript - Laravel 5.6:与 App.js 的 intl-tel-input 兼容性问题
- bar-chart - 在 spotfire 的一个图中显示不同的布尔列
- php - 为什么 PHP 的 null 合并运算符 (??) 不能处理具有不同可见性的类常量?
- javascript - 删除 json 对象键值对中的空格
- python - Geckodriver 无法点击元素 | python 3 编码
- html - 是否有可能为 html 标签添加一个增量 ID?
- android - 显示对话框,直到后台进程完成