机构名称：
¥ 1.0
Andreas，J。，Klein，D。和Levine，S。（2017）。 模块化多任务增强措施学习政策草图。 Law，M.，Russo，A。和Broda，K。（2015）。 用于学习答案集程序的ILASP系统。 Sutton，R。S.，Precup，D。和Singh，S。P.（1999）。 MDP和半MDP之间：增强学习中时间抽象的框架。 Toro Icarte，R.，Klassen，T。Q.，Valenzano，R。A.和McIlraith，S。A. （2018）。 使用奖励机进行高级任务规范和强化学习中的分解。Andreas，J。，Klein，D。和Levine，S。（2017）。模块化多任务增强措施学习政策草图。Law，M.，Russo，A。和Broda，K。（2015）。 用于学习答案集程序的ILASP系统。 Sutton，R。S.，Precup，D。和Singh，S。P.（1999）。 MDP和半MDP之间：增强学习中时间抽象的框架。 Toro Icarte，R.，Klassen，T。Q.，Valenzano，R。A.和McIlraith，S。A. （2018）。 使用奖励机进行高级任务规范和强化学习中的分解。Law，M.，Russo，A。和Broda，K。（2015）。用于学习答案集程序的ILASP系统。Sutton，R。S.，Precup，D。和Singh，S。P.（1999）。MDP和半MDP之间：增强学习中时间抽象的框架。Toro Icarte，R.，Klassen，T。Q.，Valenzano，R。A.和McIlraith，S。A.（2018）。使用奖励机进行高级任务规范和强化学习中的分解。
诱导和剥削亚属自动机进行加固学习
主要关键词
相关文件推荐
