聯(lián)合隨機(jī)性策略的深度強(qiáng)化學(xué)習(xí)探索方法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>679 K
標(biāo)簽： 強(qiáng)化學(xué)習(xí) 深度強(qiáng)化學(xué)習(xí) 探索利用困境
所需積分：0分積分不夠怎么辦？
文檔介紹： 目前深度強(qiáng)化學(xué)習(xí)算法已經(jīng)可以解決許多復(fù)雜的任務(wù)，然而如何平衡探索和利用的關(guān)系仍然是強(qiáng)化學(xué)習(xí)領(lǐng)域的一個(gè)基本的難題，為此提出一種聯(lián)合隨機(jī)性策略的深度強(qiáng)化學(xué)習(xí)探索方法。該方法利用隨機(jī)性策略具有探索能力的特點(diǎn)，用隨機(jī)性策略生成的經(jīng)驗(yàn)樣本訓(xùn)練確定性策略，鼓勵(lì)確定性策略在保持自身優(yōu)勢(shì)的前提下學(xué)會(huì)探索。通過(guò)結(jié)合確定性策略算法DDPG和提出的探索方法，得到基于隨機(jī)性策略指導(dǎo)的確定性策略梯度算法(SGDPG)。在多個(gè)復(fù)雜環(huán)境下的實(shí)驗(yàn)表明，面對(duì)探索問(wèn)題，SGDPG的探索效率和樣本利用率要優(yōu)于DDPG算法。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。
主站蜘蛛池模板： 波多野结衣办公室在线| 114级毛片免费观看| 日韩亚洲欧洲在线rrrr片| 亚洲精品网站在线观看不卡无广告| 韩国精品福利一区二区三区| 在线观看精品国产福利片87 | 在线视频一二三区| 中文字幕欧美日韩一| 欧美日韩国产一区三区| 别揉我胸啊嗯上课呢的作文| 高贵娇妻被多p| 国产精品自在线拍国产手机版| 一区二区视频在线播放| 日韩国产欧美在线观看| 亚洲成a人一区二区三区| 秋霞免费一级毛片| 国产一区二区三区不卡免费观看 | 亚洲美女激情视频| 精品美女在线观看| 国产又粗又猛又黄又爽无遮挡 | 国产玉足榨精视频在线观看| 国语对白嫖老妇胖老太| 一本加勒比HEZYO无码专区| 日韩专区第一页| 亚洲人成色777777在线观看| 波多野结衣系列cesd819| 农村胖肥熟口味重| 色播在线永久免费视频网站| 国产成人无码区免费内射一片色欲| 777奇米四色| 天堂俺去俺来也WWW色官网| 中文japanese在线播放| 日本精a在线观看| 亚洲av无码一区二区三区在线播放| 欧美精品亚洲精品| 伊人不卡久久大香线蕉综合影院| 综合久久给合久久狠狠狠97色| 国产区精品视频| 国产精品三级视频| 国产精品一区二区四区| 91综合精品网站久久|