ARTICLE DETAIL

资讯详情

深耕网站建设与运营推广的一线实战洞察。

RL-10-赵-Actor-Critic算法03-在线算法02:A2C算法01【Advantage Actor-Critic】【QAC的推广】【引入Baseline的作用:减小方差】

RL-10-赵-Actor-Critic算法03-在线算法02:A2C算法01【Advantage Actor-Critic】【QAC的推广】【引入Baseline的作用:减小方差】 二、A2C算法(advantage actor-critic)【也称为:TD actor-critic算法】A2C是QAC的一个推广。基本思想是它在QAC中引入了一个baseline(偏置量)来减少估计的方差(variance)。
返回列表