《表1 Cart Pole任务成功次数统计表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于残差梯度法的神经网络Q学习算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对比算法选择常规的随机梯度下降法（SGD with Re LU）和小批量梯度下降法（MBGD with Re LU）。为了尽可能获得有效数据，每种算法实验4次，并且实验过程中保持其他参数不变。设置episode为3 000，每100个episode记为一次训练，取其平均奖励值作为训练结果，则三种算法的最终任务完成效果如图6所示，统计结果见表1。其中，图6为三种算法在4次实验中的训练平均得分分布，表1为训练成功次数统计。