深度Q學習算法中的phi是什麼

Question

我想從頭開始用Java學習橄欖球遊戲，我試圖用Google DeepMind的Deep Q-learning算法實現強化學習（儘管沒有卷積網絡） 。我已經建立了神經網絡和Q-learning，現在我正試圖將它們總結在一起，但有些東西在代碼中我不明白。

1. 是不是通常用零而不是隨機值初始化Q值？或意思的神經網絡的權重（第2行）
2. 什麼是

預處理意味着測序Φ1=Φ（S1）（第4行）

我只是無法弄清楚在這個算法中Φ代表什麼。

Answer 1

1. 它是指（一個或多個）神經網絡
2. Φ是指預處理地圖/步驟的權重，Φ爲Φ（S1）的速記 每個幀是210x160像素x 128種顏色。本文使用了一些預處理。它們消除閃爍，僅使用亮度，重新縮放和疊加。 查看2015年論文中的「方法」部分。