PulseAugur
中
实时 22:39:12
实体 Dissimilarity-Based Markov Decision Process

Dissimilarity-Based Markov Decision Process

PulseAugur coverage of Dissimilarity-Based Markov Decision Process — every cluster mentioning Dissimilarity-Based Markov Decision Process 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_315128 ·

    新的DMDP框架稳定强化学习中的状态分布

    研究人员引入了基于差异的马尔可夫决策过程(DMDPs),以稳定强化学习中的状态分布。该新框架旨在确保状态分布收敛到期望目标并保持稳定,超越了传统的期望奖励优化。该方法通过衡量当前分布与目标分布之间的差异来构建问题,建立渐近稳定性条件,并开发策略学习和验证方法。