Presná definícia
Čo znamená Q-funkcia?
Q-funkcia je bežné označenie akčnej hodnotovej funkcie; Qπ hodnotí akciu pri danej politike a Q* hodnotí akciu pri optimálnom následnom správaní. Jej argumentmi sú stav a akcia, nie iba aktuálna odmena.
Skúsenosť a kontext
Ako sa pojem používa v praxi
V DQN tím sleduje rozdelenie Q-hodnôt, TD chybu a reálne návratnosti. Ak hodnoty rastú bez zlepšenia epizód, upraví ciele alebo stabilizáciu.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo presne znamená Q-funkcia?
Q-funkcia je bežné označenie akčnej hodnotovej funkcie; Qπ hodnotí akciu pri danej politike a Q* hodnotí akciu pri optimálnom následnom správaní.
Kedy sa Q-funkcia používa?
V DQN tím sleduje rozdelenie Q-hodnôt, TD chybu a reálne návratnosti.
Od čoho treba Q-funkcia odlíšiť?
Qπ je viazaná na konkrétnu politiku; optimal Q-function Q* predpokladá optimálne pokračovanie.
Ako sa Q-funkcia kontroluje?
Kontroluje sa definícia cieľa, mierka odmeny, discount, target network, nadhodnotenie a porovnanie s realizovanou návratnosťou.
Aké obmedzenie má Q-funkcia?
Číselne veľká Q-hodnota nie je pravdepodobnosť úspechu a mimo dát môže byť svojvoľná.