Associative Learning
Multi-input and Multi-variable systems
Reinforcement Schedules
Multi-Step Reactions
Collisions in Multiple Dimensions: Problem Solving
State Space Representation
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。
多代理元强化学习 (MAMRL) 系统现在可以适应新的任务,即使信息有限. 我们的MG2L算法使用全新的全球到本地培训方案改进了任务推断,提高了在部分可观测环境中的适应性.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: