点击上方“Deephub Imba”,关注公众号,好文章不错过 !DQN 用 max Q(s',a') 计算目标值，等于在挑 Q 值最高的动作，但是这些动作中包括了那些因为估计噪声而被高估的动作，素以就会产生过估计偏差，直接后果是训练不稳定、策略次优 ...

Seasoned enterprise technology leader to drive regional momentum and expansion across Europe, the Middle East, and Africa ...