BriefGPT - AI 论文速递 · 2023-09-08T00:00:00Z 使用矩阵神经网络的均场控制的演员评价学习算法 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 该研究提出了一种新的策略梯度和演员-评论家算法，用于解决连续时间强化学习中的平均场控制问题。该方法利用值函数的梯度表示，采用参数化的随机策略。演员和评论家的学习通过动量神经网络函数在概率测度的Wasserstein空间上实现。数值结果包括多维设置和具有可控波动性的非线性二次平均场控制问题。 🏷️ 标签 动量神经网络函数 平均场控制 强化学习 演员-评论家算法 神经网络 策略梯度 算法 阅读原文 生成长图 分享链接 已复制链接
