Observational Learning
Multi-Step Reactions
Reinforcement
Reinforcements in Concrete
Corrosion of Reinforcement
Reinforcement Schedules
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。
Lingheng Meng1, Rob Gorbet2, Michael Burke3
1Electrical and Computer Engineering, University of Waterloo, 200 University Avenue West, Waterloo, N2L 3G1, ON, Canada; Electrical and Computer Systems Engineering, Monash University, 18 Alliance Lane, Clayton, 3800, VIC, Australia; Data61, CSIRO, Research Way, Calyton, 3168, VIC, Australia.
接近政策优化 (PPO) 在部分可观测的环境中显示出更大的稳定性,而不是双延迟深度决定性政策梯度 (TD3) 和软行为者-批判性 (SAC). 在PPO中多步启动和适应TD3/SAC可以提高在这些具有挑战性的环境中的性能.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: