本文主要是介绍Value-Based Reinforcement Learning（2），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Temporal Difference （TD） Learning
上节已经提到了如果我们有DQN，那么agent就知道每一步动作如何做了，那么DQN如何训练那？这里面使用TD算法。
简略分析：
是
的估计
是
的估计
所以：
Deep Reinforcement Learning :
Prediction ：
TD Target :
Loss ：
Gradient Desent : ，做梯度下降是为了让loss减少
这篇关于Value-Based Reinforcement Learning（2）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
