Differences

This shows you the differences between two versions of the page.

--- memento-value-function-approximation [2025/06/30 06:23]
47.128.62.251 old revision restored (2025/03/04 18:16)
+++ memento-value-function-approximation [2025/07/03 06:14] (current)
20.171.207.121 old revision restored (2025/07/01 10:14)
@@ Line 9: / Line 9: @@
    * ...
-Définitions :
+===Descente de gradient===
-   * Off-policy : Actualisation des valeurs à partir de l'état suivant et de l'action "gloutonne".
-   * On-policy : Actualisation des valeurs à partir de l'état suivant et de l'action de la politique courante.
-===Algorithme du gradient===
 Avec J(w), une fonction dérivable de paramètre w (w étant un vector contenant toutes les valeurs des états).
@@ Line 39: / Line 35: @@
 Questions :
    * Qu'est ce qu'on appelle une feature ?
-===Least Squares Prediction===
-Algorithme qui trouve le paramètre w qui minimise la somme des carrés des erreurs entre la fonction approximation et la la valeur cible.
-===Stochastic Gradient Descent with Experience Replay===
-Expérience donnée sous la forme de pair <Etat, Valeur>.
-(Voir diapo 37 pour plus de détails)
-===Experience Replay in Deep Q-Network===
-   * DQN utilisent l'experience replay.
-   * Choix d'action en fonction d'une politique gloutonne.
-   * Sauvegarde les transitions en replay memomry
-   * Optimise le MSE (mean squarred error) entre les cibles du QNetwork et du QLearning
-   * Utilise une variante de la descente de gradient stochastique

DokuWiki