Ի՞նչ է DQN-ում նպատակային ցանցը։

sobes.tech AI

Պատասխան AI-ից

DQN-ում նպատակային ցանցը հիմնական նեյրոնային ցանցի պատճենն է, որը օգտագործվում է թրեյնինգի ժամանակ Q-ֆունկցիայի նպատակային արժեքները հաշվարկելու համար: Այն թարմացվում է ավելի հազվադեպ, քան հիմնական ցանցը (օրինակ՝ յուրաքանչյուր մի քանի հազար քայլ), ինչը օգնում է կայունացնել ուսուցումը և խուսափել դիվերգենցիայից: Իդեան այն է, որ ֆիքսված նպատակային ցանցը ավելի կայուն նպատակ է ապահովում հիմնական ցանցի պարամետրերի թարմացման համար:

Նպատակային ցանցի թարմացման օրինակ:

if step % target_update_freq == 0:
    target_network.load_state_dict(main_network.state_dict())

Նախորդ Հաջորդը