实体
Q-values
Q-values
PulseAugur coverage of Q-values — every cluster mentioning Q-values across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 3 条
-
新框架模拟具有环境反馈的多智能体Q学习
研究人员开发了一个新的框架，使用进化计算来模拟复杂环境反馈回路中的多智能体Q学习。该模型模拟了单个智能体学习、局部交互和环境变化如何相互影响。该框架使用平均场近似来预测群体行为，并通过在各种图结构上进行模拟进行了验证，结果表明该近似对于更大的群体和更高的平均度通常成立。
-
研究探讨折现马尔可夫决策过程中的转移核的可识别性
本文研究了仅凭最优动作即可识别马尔可夫决策过程（MDP）的哪些方面，而不是直接观察转移概率或Q值。该研究侧重于折现MDP下转移核的可识别性，探讨了不同形式的奖励（状态-动作、仅状态或状态-动作-下一状态）如何影响对底层动力学的学习。研究结果表明，知道所有状态-动作奖励的最优动作不足以唯一确定转移概率，揭示了一个产生相同最优动作的n(n-1)维核族。
-
新的AdamO优化器增强了离线强化学习的稳定性和性能
研究人员推出了一种名为AdamO的新型优化器，旨在增强离线强化学习的稳定性。该优化器解决了“崩溃”问题，即时序差分更新中的错误可能导致Q值极端且不可用。AdamO通过引入正交约束来防止TD误差的放大，理论上保证了任务安全，同时保持了Adam的连续时间耗散动力学。实证结果表明，当与现有基线集成时，AdamO在各种离线强化学习基准测试中提高了稳定性和性能。