① dqn學起來很難嗎
不是很難。
DQN引入了經驗池，DQN利用到了Q-learning是off-policy的特性，behavior-policy在探索或行動獲取經驗後會將經存儲到經驗池中，一條經驗可以由（s，a，r，s』）來表示。
DQN≈Q-learning+神經網路，如果只是簡單的結合將會帶來兩個問題，神經網路的樣本之間相互獨立，互不關聯，而強化學習輸入的狀態是相互關聯的，引入非線性函數，使用神經網路來近似Q表格，訓練結果可能不收斂。
② 深度學習和深度強化學習的區別
強化學習和深度學習是兩種技術，只不過深度學習技術可以用到強化學習上，這個就叫深度強化學習.
③ 請教：吸收計量和計量當量
劑量學量：比釋動能、照射量、比轉換能、吸收劑量。放射性量：活度、空氣比釋動能率常數。輻射防護的基本防護量：劑量當量（ICRP60號報告後推薦使用當量劑量）、當量劑量、有效劑量。防護量無法直接測量，能測量的是劑量學量和放射性量。輔助的防護量：待積當量劑量、待積有效劑量、劑量負擔、集體有效劑量。用於外照射防護的實用量：周圍劑量當量、定向劑量當量、個人劑量當量。 有效劑量一般是用在低劑量范圍內的，主要是為管理者服務的，用來控制隨機性效應的發生幾率。在可能引發組織反應（確定性效應）的高劑量范圍內，必須估計吸收劑量並考慮適當的相對生物效應，來評估輻射效應。例如，在前蘇聯的切爾諾貝利事故中，堆芯附近和核島內的工作人員所受劑量評估時，就是考慮確定性效應的情況。ICRU定義的實用劑量當量量，是可間接測量的量，輻射儀表是用這些量校準的，在日常監測中這些劑量當量可以認為有足夠的精度分別估計有效劑量和皮膚劑量，尤其是數值小於防護限值時。在核電正常運行時，儀表的指示數值通常小於防護限值，這是考慮的是隨機性效應的情況。這些量都是針對參考人而言的，不是針對獨立的單個人。因為個體差異性是存在的，這一點很重要。而且，隨機性效應只是一個幾率的問題。在所受劑量越高，癌症發病率的概率越高，但後果的嚴重程度與所受劑量大小無關。說白了，就是得上癌症，都是玩完了。這里要記住幾率的問題，或者說是概率的問題。癌症發病率是大量人群的統計結果，不過這個大量人群事實上也是有限的人群，而且統計過程無法克服對照組和觀測組之間的純潔性和其他因子相對同一性。所以，統計過程和統計數值也就是個參考值。大家看看就可以了，不必聽風就是雨，把自己嚇出個毛病來。 小弟不才，腦袋裡面的東西理起來有點費勁，有什麼寫錯的地方，尤其是技術方面的內容，還望指出。共同進步。 另外，這樣的問題建議你可放到輻射防護等欄目中？
④ DQN中是否所有深度學習網路都可以用於計算Q值
圖片用CNN，序列用RNN，普通情況NN，足矣。