PulseAugur
中
实时 07:21:12
实体 Off-Policy Reinforcement Learning: Optimal Operational Control for Two-Time-Scale Industrial Processes

Off-Policy Reinforcement Learning: Optimal Operational Control for Two-Time-Scale Industrial Processes

PulseAugur coverage of Off-Policy Reinforcement Learning: Optimal Operational Control for Two-Time-Scale Industrial Processes — every cluster mentioning Off-Policy Reinforcement Learning: Optimal Operational Control for Two-Time-Scale Industrial Processes 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_352035 ·

    新的“excursion policies”增强了 off-policy 强化学习

    研究人员引入了“excursion policies”作为一种新的 off-policy 强化学习方法。该方法涉及智能体遵循目标策略执行一定数量的步骤,然后返回到行为策略。该研究通过动态规划结果为这些策略提供了理论基础,并开发了相应的时序差分算法。Excursion policies 在效率和稳定性之间取得了平衡,在连续控制基准测试中表现与混合策略相当。