文档摘要

第5章 · 深度强化学习 章节摘要：大状态空间用神经网络近似 Q 或 π。DQN：CNN 处理 Atari 像素 + experience replay + target network。策略梯度直接优化 πθ，适合连续动作。 本节导读 说明表格法三局限：存储、速度、泛化 列举 DQN 两大稳定技巧 对比 value-based DQN 与 policy gradient 子章节 5.1 函数近似动机 5.2 深度Q网络DQN 5. 会员。《第5章 · 深度强化学习》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流