待验证50% 置信事实精确时间
Q值更新遵循贝尔曼方程迭代形式：Q(s,a) ← Q(s,a) + α[r + γ·max Q(s',a') - Q(s,a)]
1
来源数
50%
置信度
长期有效
时效性
2026/8/16
首次发现
来源
相关事实
待验证扩散模型的前向扩散过程可用马尔可夫链描述：q(x_t|x_{t-1}) = N(x_t; √(1-β_t)x_{t-1}, β_tI)62% 相似待验证对决网络（Dueling）由Wang等人于2016年提出，将Q值分解为 Q(s,a)=V(s)+A(s,a)-mean(A)62% 相似待验证QMIX算法将团队的全局Q值分解为各智能体局部Q值的单调混合，确保全局最优动作等价于各智能体独立取最大值61% 相似待验证Dueling DQN的核心思想是将Q值分解为状态价值函数V(s)和动作优势函数A(s,a)两个独立流60% 相似待验证哈达玛矩阵满足正交性条件 H_n · H_n^T = n · I_n，使哈达玛变换可逆且不丢失信息58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/759757API
curl https://kongchang.com/api/v1/knowledge/claims/759757MCP
get_claim(id=759757)