Feb, 2019

全随机梯度算法及其在强化学习中的应用

TL;DR本文介绍了如何利用总导数规则创建图模型的梯度估算器,并基于密度估计和似然比梯度推导了新的梯度估算器。通过在基于模型的策略梯度算法中测试,本文证明了这些方法的有效性,并揭示了PILCO算法的成功之谜。