1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 经济/贸易/财会
  5. 经济学

深度强化学习王树森习题答案.docxVIP

  • 1
  • 0
  • 约3.05千字
  • 约 7页
  • 2026-06-05 发布于江苏
  • 举报

深度强化学习王树森习题答案.docx

    深度强化学习王树森习题答案

    一、单选题（每题3分，共60分）

    1.深度强化学习中用于评估策略好坏的关键指标是（）

    A.奖励值B.状态价值C.动作价值D.以上都不对

    答案：C

    解析：动作价值直接反映了在某状态下采取某动作的优劣，用于评估策略好坏。

    2.以下哪种算法不属于深度强化学习的无模型算法（）

    A.QlearningB.A2CC.DQND.DDPG

    答案：B

    解析：A2C是基于策略梯度的算法属于有模型算法，其他选项是无模型算法。

    3.在深度Q网络中，用于近似动作价值函数的是（）

    A.卷积神经网络B.循环神经网络C.全连接

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >