Naukowcy zaproponowali nowe algorytmy BA-TDC i BA-TDRC, które poprawiają stabilność uczenia temporal-difference w ustawieniach off-policy poprzez zastąpienie macierzy pomocniczej macierzą Bellmana opartą na zachowaniu agenta.
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