实体 Soft Q-learning

Soft Q-learning

PulseAugur coverage of Soft Q-learning — every cluster mentioning Soft Q-learning 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_151944 · Jul 20 · 04:00

新的Soft Q(λ)方法增强了离策略强化学习

研究人员推出了一种新颖的熵正则化强化学习多步离策略方法Soft $Q(\lambda)$。该框架通过在任意行为策略下实现有效的信用分配，扩展了现有的soft Q-learning技术。所提出的方法使用了一个新的Soft Tree Backup算子和资格迹，提供了一种无模型的方法来学习熵正则化的价值函数，可用于未来的实证研究。