Reinforcement Schedules
Reinforcement
Observational Learning
Associative Learning
Timing and Consequences on Behavior
Three-Dimensional Force System:Problem Solving
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。
Toshitaka Matsuki1, Yusuke Sakemi2, Kazuyuki Aihara2
1National Defense Academy of Japan, Kanagawa, Japan.
使用双延迟深决定性政策梯度 (TD3) 的基于混乱的强化学习 (CBRL) 代理人可以学习探索和利用环境. 最佳的混乱强度允许代理人适应不断变化的条件.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: