学习参数化哈密顿系统的结构保持变压器
原文中文,约200字,阅读约需1分钟。发表于: 。使用基于 Transformer 的神经网络来学习复杂的非线性动态系统,并为其赋予保持结构的特性以提高长期稳定性的工作,在实际应用中被证明非常重要。
本文介绍了门控Transformer-XL(GTrXL)架构,它在可观察的强化学习领域中表现出与竞争性LSTM基线相媲美的稳定性和性能,并在多任务DMLab-30基准套件上取得了最新的成果。
使用基于 Transformer 的神经网络来学习复杂的非线性动态系统,并为其赋予保持结构的特性以提高长期稳定性的工作,在实际应用中被证明非常重要。
本文介绍了门控Transformer-XL(GTrXL)架构,它在可观察的强化学习领域中表现出与竞争性LSTM基线相媲美的稳定性和性能,并在多任务DMLab-30基准套件上取得了最新的成果。