Cognitive Learning
Purposive Learning
Reinforcement
Observational Learning
Reinforcement Schedules
Associative 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。
Zhengzhe Zhang1, Wenjia Meng1, Haoliang Sun1
1School of Software, Shandong University, Jinan, 250101, China.
因果COMRL通过使用因果表示学习来增强离线的元强化学习,以避免虚假的相关性. 这提高了强化学习对新任务的概括性和性能.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: