Reinforcement
Reinforcement Schedules
Constraints and Statical Determinacy
Avoidance Learning and Learned Helplessness
Observational Learning
Randomized Experiments
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。
目前的安全关键强化学习 (RL) 方法无法保证安全. 我们引入CVaR受约束的政策优化 (CVaR-CPO),以确保高概率的约束满足更安全的RL决策.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: