utworzone przez Redakcja | maj 29, 2026
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.
utworzone przez Redakcja | maj 29, 2026
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.
