<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    2. 

    <del id="afajh"><form id="afajh"></form></del>
    

    5. 

        1. <th id="afajh"><progress id="afajh"></progress></th>

          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>
          【ICML2022】基于對(duì)比學(xué)習(xí)的離線元強(qiáng)化學(xué)習(xí)的魯棒任務(wù)表示
          共
                392字，需瀏覽
                    1分鐘
                
           ·
          2022-06-26 23:45
          
            

          來源：專知
          本文為論文介紹，建議閱讀5分鐘
          我們的方法比以前的方法更有優(yōu)勢(shì)，特別是在泛化到非分布行為策略上。


          我們研究離線元強(qiáng)化學(xué)習(xí)，這是一種實(shí)用的強(qiáng)化學(xué)習(xí)范式，從離線數(shù)據(jù)中學(xué)習(xí)以適應(yīng)新的任務(wù)。離線數(shù)據(jù)的分布由行為策略和任務(wù)共同決定。現(xiàn)有的離線元強(qiáng)化學(xué)習(xí)算法無法區(qū)分這些因素，導(dǎo)致任務(wù)表示對(duì)行為策略的變化不穩(wěn)定。為了解決這個(gè)問題，我們提出了一個(gè)任務(wù)表示的對(duì)比學(xué)習(xí)框架，該框架對(duì)訓(xùn)練和測(cè)試中的行為策略分布不匹配具有魯棒性。我們?cè)O(shè)計(jì)了一個(gè)雙層編碼器結(jié)構(gòu)，使用互信息最大化來形式化任務(wù)表示學(xué)習(xí)，導(dǎo)出了一個(gè)對(duì)比學(xué)習(xí)目標(biāo)，并引入了幾種方法來近似負(fù)對(duì)的真實(shí)分布。在各種離線元強(qiáng)化學(xué)習(xí)基準(zhǔn)上的實(shí)驗(yàn)表明，我們的方法比以前的方法更有優(yōu)勢(shì)，特別是在泛化到非分布行為策略上。代碼可以在https://github.com/PKU-AI-Edge/CORRO上找到。




          
          
          瀏覽
                    54
          點(diǎn)贊
    
          評(píng)論
    
          收藏
    
          分享
        
          手機(jī)掃一掃分享
          分享
    
          
        舉報(bào)
    
          評(píng)論
          圖片
          表情
          推薦
        
          點(diǎn)贊
    
          評(píng)論
    
          收藏
    
          分享
        
          手機(jī)掃一掃分享
          分享
    
          
        舉報(bào)
    
          

          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            2. 

            <del id="afajh"><form id="afajh"></form></del>
            

            5. 

                1. <th id="afajh"><progress id="afajh"></progress></th>

                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  

围产精品久久久久久久粉嫩
|
国产网站污
|
A日本免费|
国产一级婬片A片AAA毛片炙热
|
女人被男人操黄色午夜网止
|