PulseAugur
中
实时 20:23:12
实体 Self-Imitation Learning via Generalized Lower Bound Q-learning

Self-Imitation Learning via Generalized Lower Bound Q-learning

PulseAugur coverage of Self-Imitation Learning via Generalized Lower Bound Q-learning — every cluster mentioning Self-Imitation Learning via Generalized Lower Bound Q-learning 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_317531 ·

    新的乐观策略正则化提升了RL智能体在Atari游戏上的性能

    研究人员推出了一种新颖的方法——乐观策略正则化(OPR),通过将罕见的、高回报的 эпизоды 作为奖励加成来增强强化学习智能体。该技术是对近端策略优化(PPO)的一个简单修改,不需要辅助网络或复杂的循环。在对49款Atari游戏的实验中,OPR实现了148.4%的中位数人类归一化分数,决策次数显著少于基线方法,在大多数游戏上均优于已发布的PPO结果。