实体 PPO-AZ3S

PPO-AZ3S

PulseAugur coverage of PPO-AZ3S — every cluster mentioning PPO-AZ3S across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_321796 · Oct 26 · 04:00

新的PPO变体动态调整裁剪以改进强化学习

研究人员推出了一种名为Dual-Adaptive Z-Score PPO (PPO-DAZ3) 的新型Proximal Policy Optimization算法变体，旨在动态调整其裁剪阈值。与使用固定阈值的标准PPO不同，PPO-DAZ3根据动作置信度和归一化优势幅度计算依赖于样本的阈值。在LunarLander-v3、CartPole-v1和Acrobot-v1等经典控制基准上的评估表明，这种自适应方法可以改进学习，尤其是在更具挑…