Observational Learning
Reinforcement
Reinforcement Schedules
State Space Representation
Purposive Learning
Avoidance Learning and Learned Helplessness
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
这项研究引入了一个新的循环强化学习 (HRL) 算法,用于连续行动空间. Q值依赖政策 (QDP) -HRL方法通过选择性地使用专家建议来提高学习速度和绩效.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: