探索变分深度 Q 网络

本研究对 Tang 与 Kucukelbir 的变分深度 Q 网络（一种利用变分贝叶斯推断最大化复杂学习环境中探索效率的新方法）提供了分析并给出了精炼的、可供研究使用的实现。 alongside 传统与双深度 Q 网络的参考实现，我们提出了一个微小的新贡献——双变分深度 Q 网络，其融入了提升基于推断学习的稳定性与鲁棒性的改进。最后，在贝叶斯深度学习的更广阔背景下对这些方法的有效性进行了评估与讨论。