PulseAugur
中
实时 08:08:05
实体 Behavior Policy Search

Behavior Policy Search

PulseAugur coverage of Behavior Policy Search — every cluster mentioning Behavior Policy Search across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_218833 ·

    新算法解决了强化学习策略评估中的高方差问题

    研究人员开发了一种新的双循环基于梯度的算法，以解决强化学习策略评估中的高方差问题。该方法专门处理转移函数中的不确定性，而这些不确定性通常会导致在模拟中训练的策略在现实世界环境中表现不佳。该算法推导出了新颖的转移方差梯度表达式，并建立了全局收敛保证，与现有方法相比，在应对转移扰动方面表现出更强的鲁棒性。