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
7173da1e
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
体验新版 GitCode,发现更多精彩内容 >>
提交
7173da1e
编写于
11月 26, 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
1d5f5657
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
18 addition
and
2 deletion
+18
-2
docs/10.md
docs/10.md
+18
-2
未找到文件。
docs/10.md
浏览文件 @
7173da1e
...
...
@@ -492,7 +492,23 @@ $$
不幸的是,解决这个优化问题会导致非常小的步长。在 [5] 中,在实现实用的算法时,作者将该优化问题转化为一个有约束优化问题来增大步长。具体来说,优化问题变为如下形式:
$$
\m
athop{
\m
ax}_ {
\p
i'} L_{
\p
i}(
\p
i')
\q
uad
\t
ext{s.t.}
\q
uad
\a
lpha^2
\l
eq
\d
elta,
\m
athop{
\m
ax}_ {
\p
i'} L_{
\p
i}(
\p
i')
$$
这里 $
\d
elta$ 为超参数。
\ No newline at end of file
$$
\t
ext{s.t.}
\q
uad
\a
lpha^2
\l
eq
\d
elta,
$$
这里 $
\d
elta$ 为超参数。
由于存在大量的状态,$alpha$ 的最大约束无法求解。因此在 [5] 中,作者使用了仅考虑平均 KL 散度的启发式近似。这样近似是有用的,因为我们可以用样本来近似期望而无法用样本来近似最大值。因此我们有:
$$
\m
athop{
\m
ax}_ {
\p
i'} L_{
\p
i}(
\p
i')
$$
$$
\t
ext{s.t.}
\q
uad
\o
verline{D}_{KL}(
\p
i,pi')
\l
eq
\d
elta,
$$
这里 $
\o
verline{D}_ {KL}(
\p
i,pi') =
\m
athbb{E}_ {s
\s
im d^{
\p
i}[D_{TV}(
\p
i
\l
Vert
\p
i')[s]]$。
\ 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