Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
0c908293
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
GitCode(gitcode.net)2024年7月9日维护升级公告
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
0c908293
编写于
11月 23, 2019
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
ab581c0d
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
18 addition
and
3 deletion
+18
-3
docs/10.md
docs/10.md
+18
-3
未找到文件。
docs/10.md
浏览文件 @
0c908293
...
...
@@ -66,7 +66,7 @@ $$
$$
$$
=
\m
athbb{E}_ {
\t
au
\s
im
\p
i_{
\t
heta}(
\t
au)}[
\n
abla_{
\t
heta}
\l
og
\p
i_{
\t
heta}(
\t
au)r(
\t
au)]
=
\m
athbb{E}_ {
\t
au
\s
im
\p
i_{
\t
heta}(
\t
au)}[
\n
abla_{
\t
heta}
\l
og
\p
i_{
\t
heta}(
\t
au)r(
\t
au)]
。
$$
通过对数导数技巧,我们将梯度从期望之外转移到了期望之内。这样做的好处就是,我们不再需要对状态转移函数求梯度,正如下面我们将看到的。
...
...
@@ -87,5 +87,20 @@ $$
$$
$$
\a
pprox
\f
rac{1}{N}
\s
um_{i=1}^{N}
\s
um_{t=1}^{T} (
\n
abla_{
\t
heta} (
\l
og
\p
i_{
\t
heta}(a_{i,t|}|s_{i,t}))(
\s
um_{t=1}^{T}
\g
amma^t r(s_{i,t},a_{i,t})))
$$
\ No newline at end of file
\a
pprox
\f
rac{1}{N}
\s
um_{i=1}^{N}
\s
um_{t=1}^{T} (
\n
abla_{
\t
heta} (
\l
og
\p
i_{
\t
heta}(a_{i,t}|s_{i,t}))(
\s
um_{t=1}^{T}
\g
amma^t r(s_{i,t},a_{i,t})))。
$$
在第三个等式中,不包含 $
\t
heta$ 的项被去掉。最后一步,我们应用了蒙特卡洛估计。
注意,在监督学习的设定下,上述式子与最大似然估计(Maximum Likelihood Estimate,MLE)有很多相似之处,例如,对于监督学习中的 MLE,我们有概率 $J'(
\t
heta)$ 和对数概率 $J(
\t
heta)$:
$$
J'(
\t
heta) =
\p
rod_{i=1}^{N}P(y_i|x_i),
$$
$$
J(
\t
heta) =
\l
og J'(
\t
heta) =
\s
um_{i=1}^{N}
\l
og P(y_i|x_i),
$$
$$
\n
abla_{theta}J(
\t
heta) =
\s
um_{i=1}^{N}
\n
abla_{
\t
heta}
\l
og P(y_i|x_i)。
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录