Семья DQN Сети Vanilla Deep Q Объяснение Deep Q Learning Вступление Этот пост будет структурирован следующим образом: Мы кратко рассмотрим итерацию общей политики и методы разницы во времени. Тогда мы будем понимать Q-обучение как итерацию общей политики. Наконец, мы поймем и реализуем DQN, представленный в статье Deepmind Игра в Atari с глубоким обучением с подкреплением (Mnih et al. 2013) . Итерация общей политики (GPI) Мы называем общей итерацией политики..