实体
Sanjeev Manivannan
Sanjeev Manivannan
PulseAugur coverage of Sanjeev Manivannan — every cluster mentioning Sanjeev Manivannan across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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 2 条
-
新的二阶Actor-Critic方法加速强化学习
研究人员开发了一种新颖的二阶Actor-Critic方法，用于折扣马尔可夫决策过程（MDP）中的强化学习。该方法旨在通过利用策略Hessian的曲率信息来加速收敛，这与传统的二阶方法不同。所提出的技术在双时间尺度框架内采用Hessian-向量乘积计算，将Critic视为Actor更新过程中的准稳态，以提高计算效率和稳定性。
-
新强化学习方法利用策略Hessian加速收敛
研究人员开发了一种新颖的二阶Actor-Critic方法，用于折扣马尔可夫决策过程中的强化学习。该方法旨在通过整合策略Hessian的曲率信息来加速收敛，克服了二阶优化在强化学习中通常伴随的计算复杂性。该方法在一个双时间尺度框架内利用Hessian-向量乘积计算，将Critic视为准静态的，以便在Actor更新期间提高效率和稳定性。