17/12/2019 09:44:07 PM
Bài viết sưu tầm
Chiến lược lựa chọn hành động softmax trong học tăng cường
Kỹ thuật ε-greedy và ε-soft có hạn chế là trong một số tình huống chúng lựa
chọn các hành động ngẫu nhiên giống nhau, như vậy hành động có khả năng tồi
nhất có thể được lựa chọn như là hành động tốt thứ hai. Kỹ thuật softmax khắc
phục nhược điểm này bằng cách gán thứ hạng hoặc trọng số cho mỗi hành động,
như vậy các hành động tồi nhất sẽ chắc chắn không được chọn. Như vậy trong
kỹ thuật này, hành động tham lam vẫn đem lại khả năng lựa chọn cao nhất. Tất
cả các hành động khác được phân hạng và định lượng phụ thuộc vào giá trị ước
lượng của nó. Phép phân bố Boltzmann được sử dụng để tính toán khả năng lựa
chọn hành động.
» Tin mới nhất:
- Ứng dụng ngăn xếp trong việc chuyển biểu thức trung tố sang hậu tố (18/11/2024)
- Tìm hiểu về FIREWALL (18/11/2024)
- Hướng dẫn khác phục lỗi VPCS không PING ra được Internet (17/11/2024)
- White-Box Testing - Phần 3 (17/11/2024)
- Các hàm xử lý list trong Python (17/11/2024)
» Các tin khác:
- Toán tử đột biến (17/12/2019)
- Quy trình kiểm thử đột biến (17/12/2019)
- Các kịch bản SQL trong DB2 (27/11/2019)
- Trình trợ giúp SQL và hiển thị nút Show SQL trong DB2 (27/11/2019)
- LAB cơ bản về SSL VPN (18/11/2019)
- LAB cơ bản về giao thức định tuyến RIP (18/11/2019)
- JTable (tt) (18/11/2019)
- JTable (18/11/2019)
- Thuật giải trên logic vị từ (18/11/2019)
- Thuật giải trên logic mệnh đề (18/11/2019)
