时间差分学习中,针对错误设计的奖励的终止状态的故意低估价值函数

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究探讨了函数逼近的时序差分学习论(TD)的问题,发现了泄漏扩散的证据,并证明了只有在逼近误差时才会出现这种情况。通过改进状态表示来缓解问题,并在无奖励或特权信息的情况下进行学习。

🏷️

标签

➡️

继续阅读