2016-09-01から1日間の記事一覧
http://arxiv.org/abs/1602.01783 前に実装したコードを引っ張り出して来て、少し修正して走らせてみました。 んで、ログを見ているとTDLeaf(λ)+Experience Replayの時より、CriticのTD誤差が大きくなっています。 具体的には、それぞれ0.13と0.20位です(最…
http://arxiv.org/abs/1602.01783 前に実装したコードを引っ張り出して来て、少し修正して走らせてみました。 んで、ログを見ているとTDLeaf(λ)+Experience Replayの時より、CriticのTD誤差が大きくなっています。 具体的には、それぞれ0.13と0.20位です(最…