这是最大熵逆强化学习的一般算法。
这使用梯度下降算法。我不明白的一点是只有一个梯度值, 它用于更新参数向量。对我来说，这没有意义，因为它正在更新具有相同值的向量的所有元素. 你能解释一下用单个梯度更新向量背后的逻辑吗？
记号是什么∇θ大号∇θL意思是？
人工智能
机器学习
强化学习
梯度下降
符号
2021-11-01 17:04:38
1个回答
这是标准的反向传播。您看到的梯度项实际上是一个偏导数向量，其中每个元素是对数似然相对于参数向量的每个元素的偏导数. 因此，它具有相同的维度. 然后用偏导数向量中的相应项更新参数向量的每个元素，这通常是不相同的。