Box9.2公式推导

最大化目标函数,需要目标函数对神经网络输出的梯度,然后将这个梯度反向传播更新神经网络中的参数
这个表达式是一个综合的表达式
对于Vpi(s)求梯度如下:

在这里插入图片描述
对Box 9.2: Proof of Lemma 9.2重写
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Logo

更多推荐