机构名称：
¥ 1.0
对环境的不完整知识导致代理在不确定性下做出决定。强化学习（RL）的主要困境之一，即自主代理在做出决策时必须平衡两个对比需求的是：利用当前对环境的知识以最大程度地提高累积奖励，并探索允许环境知识的行动，希望提高环境的知识，希望带来更高的奖励价值（探索奖励价值（Exploritation-explotitation-explotitation-explopolitation-opploplotiting-offriatition-offlotiting-trifcount）。同时，另一个相关问题指的是各州的全部观察性，这在所有申请中都可能不假定。例如，当2D图像被视为用于在3D模拟环境中找到最佳动作的RL方法中的输入时。在这项工作中，我们通过部署和测试几种技术来解决这些问题，以平衡探索和剥削的权衡，以在自主驾驶场景中预测转向车轮的部分可观察到的系统。更确切地说，最终的目的是研究使用自适应和确定性探索策略以及深层复发Q-NETWORK的影响。此外，我们改编并评估了修改后的二次损失函数的影响，以改善基础卷积复发性神经网络的学习阶段。我们表明，自适应方法可以更好地近似探索和剥削之间的权衡，而且通常，SoftMax和Max-Boltzmann策略的表现优于绿化技术。
IBD相关脊椎关节炎的抑制剂
主要关键词
相关文件推荐
