reinforce learning Archives - 我有点酷

DDPG训练时如何判断有效收敛

2023-07-12 by hunt

摆烂用于避免损失

DDPG中各trick效果对比

2023-07-06 by hunt

难怪我前面那么多实验都失败了

Ornstein Uhlenbeck 噪声

2023-07-05 by hunt

带方向的噪声

Actor-Critic优缺点

2023-06-28 by hunt

增程式汽车

SAC、TD3、DDPG

2023-06-262023-06-26 by hunt

SAC和TD3是DDPG的升级

policy gradient处理连续动作空间

2023-06-26 by hunt

仍然是想办法转换为概率

PPO：on policy OR off policy?

2023-06-24 by hunt

两者都是对的，只是理解的方式不同

正梯度仍然使得policy的probability增大

2023-06-152023-06-14 by hunt

学习率是一个非常重要的超参数