深度強化學習DQN

DQN模型

輸入的是處理後的連續幀圖像（降維幅度圖），經過卷積層層後接兩個全連接層，輸出是所有動作的Q值。

算法

1. NIPS 2013

2. Nature 2015

2.1 算法

2.2 流程圖

3. 不足

由於Replay Memory原因：

1. 無法應用於連續動作控制；
2. 只能處理只需短時記憶問題，無法處理需長時記憶問題（後續研究提出了使用LSTM等改進方法）；