Reinforcement
Reinforcement Schedules
Observational Learning
Actor-Observer Effect
Time-Domain Interpretation of PD Control
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。
Haohui Chen1, Zhiyong Chen2, Aoxiang Liu1
1School of Automation, Central South University, Changsha, 410083, China.
我们介绍了TDDR,这是一个新的强化学习算法,使用双重演员和批评者与时间差错驱动的规范化. 这种方法提高了价值估计,并简化了实施,没有额外的超参数,显示竞争性表现.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: