![arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日](/simg/a/acd8361405cf183a29f07fb0516f81acb01ed7b8.png)
机构名称：
¥ 1.0
阿尔伯塔计划研究愿景的第二个显著特征可以概括为“时间一致性”。时间一致性意味着对于代理上运行的算法而言，所有时间都是相同的。在训练信息可用或奖励计数多于或少于其他奖励时，不存在特殊的训练期。如果提供训练信息（如通过奖励信号提供），则在每个时间步骤上都会提供。如果代理进行学习或计划，则它会在每个时间步骤上进行学习或计划。如果代理构建自己的表示或子任务，则构建它们的元算法会在每个时间步骤上运行。如果代理可以在环境部分看起来稳定时降低其学习速度，那么当它们开始发生变化时，它也可以在环境部分开始变化时提高其学习速度。我们专注于时间上统一的问题和算法，这使我们对非平稳、持续的环境以及持续学习和元学习的算法产生了兴趣。4
arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日
主要关键词
![arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日PDF文件第1页](/bimg/6/6137c20998110b4137bdb65514495c5c4ac2a86b.webp)
![arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日PDF文件第2页](/bimg/a/acfb989c1062278f83262b61e35fda3229c8cd1f.webp)
![arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日PDF文件第3页](/bimg/e/e18d73bf900631bd265ea436eefd0a053b4d8d49.webp)
![arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日PDF文件第4页](/bimg/a/a392c352c539b094320f1756c70159b51e350819.webp)
![arXiv:2208.11173v1 [cs.AI] 2022 年 8 月 23 日PDF文件第5页](/bimg/a/a260c2c75a2bae726cfd05563b72e70f0d2dc51a.webp)
相关文件推荐
![arXiv:2208.02886v1 [cs.AI] 2022 年 8 月 4 日](/simg/1/1c9e25aca4e4de77bf16485751b3063f311615e9.png)
![arXiv:2208.04918v1 [astro-ph.IM] 2022 年 8 月 9 日](/simg/9/9d15cac181c360859687f326fefb237d55bfa250.webp)
![arXiv:2210.00881v1 [cs.AI] 2022 年 9 月 23 日](/simg/1/1712e871bec82f88be930b368883f57dd34b3191.png)
![arXiv:2208.10629v3 [cs.CR] 2022 年 12 月 3 日](/simg/e/eb1262714226878482b0cf1d7af9be5069ea8d28.webp)
![arXiv:2205.12749v2 [cs.AI] 2022 年 7 月 1 日](/simg/2/2065ed9bc53d9d49461c4886d3dbb8f82d668f71.png)
![arXiv:2207.05643v1 [cs.RO] 2022 年 7 月 12 日](/simg/9/914a0980453c8245d7338c340cfcc7abaab03a7a.webp)
![arXiv:2206.14855v1 [cs.CY] 2022 年 6 月 29 日](/simg/7/7a22e50a479deb4fc5347e49e70a231a3df4c105.webp)
