研究人员开发了一种名为异方差高斯过程Q学习(HGPQ)的新方法,旨在提高自驾实验室的学习效率。该方法使用高斯过程直接学习Q函数,无需对系统动力学进行建模。HGPQ根据数据点的可靠性动态调整学习率,为来自嘈杂条件或具有陡峭值函数梯度的区域的目标分配较小的权重。与化学反应器和生物过程等各种模拟基准测试中的其他方法相比,该技术已显示出更快的学习速度。 AI
影响 该方法为强化学习提供了一种更具样本效率的方法,有可能加速化学反应器等复杂系统中的实验。
排序理由 该集群包含一篇详细介绍强化学习新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Bellman target
- Bioprocess and Biosystems Engineering
- chemical reactor
- Gaussian process
- Gaussian Process Q-learning
- Heteroscedastic Gaussian Process Q-learning
- HGPQ
- Kalman gain
- kernel value iteration
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →