PulseAugur
中
实时 10:16:37
实体 deterministic optimistic optimization

deterministic optimistic optimization

PulseAugur coverage of deterministic optimistic optimization — every cluster mentioning deterministic optimistic optimization 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_312853 ·

    新算法优化强化学习中的动作掩码

    研究人员开发了一种新的强化学习算法,解决了确定允许动作的计算瓶颈问题。该算法基于确定性乐观优化,被证明在极小极大意义上是最优的且计算效率高,尽管在非退化实例上并非最优。提出了一种替代方法,该方法规划其探索策略,并可被形式化解释为确定性反馈的信息定向采样类似物,并应用于无效动作随时间变化的迁移学习场景。