Reinforcement Schedules
Statically Indeterminate Problem Solving
State Space Representation
Reinforcement
Fixed Action Patterns
Observational Learning
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。
Hongjie Zhang1, Zhenyu Chen1, Hourui Deng1
1College of Computer Science, Sichuan Normal University, Chengdu, China.
LazyAct通过智能跳过非关键状态来降低深度强化学习的计算成本. 这种算法大大减少了推断,为代理商节省了时间和计算资源.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: