模型驱动增强学习中可靠学习动力学的多步损失函数

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

该文章介绍了一种基于模型的强化学习算法,使用非线性常微分方程来表示连续时间动力学。研究表明,在连续时间下,测量选择策略的重要性显现出来。作者提出了一种自适应的、数据依赖的实际测量选择策略,能够在明显更少的样本下达到次线性的后悔。

🏷️

标签

➡️

继续阅读