Neural network 在使用Q-学习时，如何计算带有THANO的神经网络的梯度

我试图使用一个标准的完全连接的神经网络作为Q-学习中动作值的基础。我使用这一行作为参考：

gparams = [T.grad(cost, param) for param in classifier.params]

我希望使用Q-Learning策略控制方法（如中所述）计算与上一个操作相关的输出单元的错误，并将其他输出错误设置为零

---

如何使用Theano的梯度函数将误差反向传播到神经网络的其余部分？

神经网络只是将Q函数参数化的一种可能方法。萨顿和巴托的书中解释了在这种情况下执行梯度下降的方式。只需将神经网络的权重视为参数向量。

我没有将强化学习与监督学习相结合的经验；但是如果你能用Theano表达式定义你的q-learning内容，并使它们成为计算图的一部分，那么你就可以用正常的方式（即使用T.grad（..）反向传播错误）。这可能有点相关：是的，我看到了这个项目，并将其作为参考。如果我仅使用所选操作计算损失，那么grad函数似乎已经为我完成了工作。