h2o的时间差异（强化学习）

Question

我想知道h2o是否能够实现时间差异（强化学习）？

我知道TensorFlow具有此功能。

Answer 1

H2O的可用算法列表可以在here中找到。您问题的简短答案是“否”。 here提供了有关深度学习算法的详细信息，为方便起见，我会重新发布：

H2O-3的深度学习算法基于多层前馈人工神经网络，该网络使用反向传播通过随机梯度下降进行训练。该网络可以包含大量隐藏层，这些隐藏层由具有tanh，整流器和maxout激活功能的神经元组成。诸如自适应学习率，速率退火，动量训练，辍学，L1或L2正则化，检查点和网格搜索等高级功能可实现较高的预测准确性。每个计算节点通过多线程（异步）在其本地数据上训练全局模型参数的副本，并通过网络上的模型平均来定期为全局模型做出贡献。

前馈人工神经网络（ANN）模型，也称为深度神经网络（DNN）或多层感知器（MLP），是深度神经网络的最常见类型，也是H2O中唯一受本机支持的类型-3。其他几种类型的DNN也很流行，例如卷积神经网络（CNN）和递归神经网络（RNN）。 MLP在事务（表格）数据上运行良好；但是，如果您有图像数据，那么CNN是一个不错的选择。如果您有顺序数据（例如文本，音频，时间序列），那么RNN是一个不错的选择。