Observational Learning
Multi-Step Reactions
Reinforcement
Reinforcements in Concrete
Corrosion of Reinforcement
Reinforcement Schedules
También podría leer
Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.
Updated: Feb 9, 2026

A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis
Published on: February 6, 2020
Lingheng Meng1, Rob Gorbet2, Michael Burke3
1Electrical and Computer Engineering, University of Waterloo, 200 University Avenue West, Waterloo, N2L 3G1, ON, Canada; Electrical and Computer Systems Engineering, Monash University, 18 Alliance Lane, Clayton, 3800, VIC, Australia; Data61, CSIRO, Research Way, Calyton, 3168, VIC, Australia.
Proximal Policy Optimization (PPO) muestra una mayor robustez en entornos parcialmente observables en comparación con Twin Delayed Deep Deterministic Policy Gradient (TD3) y Soft Actor-Critic (SAC). El bootstrapping de varios pasos en PPO y las adaptaciones a TD3/SAC mejoran el rendimiento en estos entornos desafiantes.
Área de la Ciencia:
Sus antecedentes:
Objetivo del estudio:
Principales métodos:
Principales resultados:
Conclusiones: