Naukowcy zaproponowali metodę STHTD-MP, która ulepsza gradient temporal-difference learning poprzez zastosowanie macierzy Bellmana polityki zachowania jako metryki geometrii aktualizacji. Podejście zapewnia szybszą zbieżność przy zachowaniu stabilności.
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google