当我在强化学习中使用Q-表来保存状态-动作时,有些状态从未(或很少)发生,状态-动作值在最大迭代次数之前一直保持为零,因此我决定使用神经网络在线估计Q-表,而不是使用Q-表。
哪种类型的神经网络可以更准确地估计这类问题?这种解决方案对我有帮助吗?
回答:
我使用局部加权回归(LWR)作为函数近似,并简单地用这个函数替换表格
当我在强化学习中使用Q-表来保存状态-动作时,有些状态从未(或很少)发生,状态-动作值在最大迭代次数之前一直保持为零,因此我决定使用神经网络在线估计Q-表,而不是使用Q-表。
哪种类型的神经网络可以更准确地估计这类问题?这种解决方案对我有帮助吗?
回答:
我使用局部加权回归(LWR)作为函数近似,并简单地用这个函数替换表格