作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
问题:
对于几乎所有测试用例,输出概率都接近 0.95。没有输出低于 0.9!即使对于几乎不可能的结果,它也给出了很高的概率。
PS:我认为这是因为我只教了发生的情况,而不是未发生的情况。但我不能在剧集中的每一步都教它每个未发生的 Action 的输出 = 0.0!
有什么建议可以解决这个问题吗?或者可能是使用 NN 或实现 prob 函数的另一种方式?
谢谢
最佳答案
问题在于所有可能的以下状态的总和必须等于 1。如果您像这样构建网络,则无法保证这一点。我想到了两种可能的选择,其中我假设离散状态。
从数学角度来看,这两者实际上大致相当。
对于连续变量,您必须假设分布(例如多元高斯分布)并使用该分布的参数(例如均值和协方差标准差)作为输出。
关于machine-learning - 强化学习和POMDP,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2750608/
我是一名优秀的程序员,十分优秀!