1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 资格/认证考试
  5. 专升本考试

2026年秋江苏开放大学强化学习060733形考作业3答案.pdf

2026年秋江苏开放大学强化学习060733形考作业3答案.pdf

    2026年秋江苏开放大学强化学习060733形考作业3答案

    单选题

    题型：单选题客观题分值5分难度：简单得分：5

    1、确定性策略梯度算法（DPG）的核心思想是什么？

    A、通过最大化当前状态的Q值来选择最优动作

    B、通过最小化策略的损失函数来更新策略

    C、直接通过策略梯度优化确定性策略的参数

    D、通过生成随机动作来更新策略

    学生答案：C

    题型：单选题客观题分值5分难度：简单得分：5

    2、以下说法是否正确：为了保证强化学习的训练效果，需要打破训练样本

    数据之

    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 >