bayesian reinforcement learning | BriefGPT

关键词bayesian reinforcement learning

搜索结果 - 10

贝叶斯探索网络
贝叶斯强化学习在面对不确定性的顺序决策问题中提供了一种原则性和优雅的方法，但其主要挑战是在高维状态转移分布中建模不确定性的计算复杂性。本文提出了一种新颖的无模型方法来解决这个挑战，通过在一维贝尔曼算子中建模不确定性，引入贝叶斯探索网络 (B
PDF10 months ago
计划学习：在基于模型的规划中用于主动学习的新算法
通过比较 Sophisticated Inference（SI）算法和贝叶斯强化学习（RL）方案的性能，并扩展 Sophisticated Inference（SL）算法以更好地在规划中引入主动学习，本研究支持 Active Inferen
PDFa year ago
基于机器人的 POMDP 的贝叶斯强化学习
该论文提出了一个面向物理系统的专门框架，利用 Bayesian reinforcement learning（BRL）和专家知识对机器人的学习进行优化，实现了在人机交互任务中的快速学习和处理环境中的不确定性。
PDFa year ago
面向网络攻击不确定性的贝叶斯强化学习自动电压控制
本研究提出一种数据驱动的贝叶斯强化学习 (BRL) 方法来解决大规模电力系统下的电压控制问题，并通过在部分可观测马尔科夫决策问题中自动捕捉因网络攻击所导致的不确定性来保持电压控制持续性，同时评估该技术在 WSCC 和 IEEE 14 总线系
PDFa year ago
KDD基于课程引导的贝叶斯强化学习的 ROI 受限出价
该篇论文描述了如何使用部分可观测马尔可夫决策过程方法做到在高度动态的广告市场中，自适应平衡 ROI 约束和目标优化的需求并提出了一种调整策略的贝叶斯强化学习框架。
PDF2 years ago
使用不确定性估计的强化学习在交叉路口的战术决策中
本研究探讨了如何使用贝叶斯强化学习方法和散置神经网络来解决交叉路口自主驾驶情景下的决策问题，训练出的系统可以估计可靠性并识别未知情境中的危险，其性能远超标准的基于深度 Q 网络的决策系统。
PDF4 years ago
面向不确定性的机器人强鲁棒规划中的 POMDP-lite
本文介绍了一种子类部分可观察马尔可夫决策过程 (POMDP), 即 POMDP-lite，使用该方法解决机器人任务时计算复杂度减小，我们开发了一种基于贝叶斯强化学习算法来解决 POMDP-lite 模型，效果优于当前最先进的 POMDP
PDF8 years ago
IJCAI使用任意参数模型和模型先验与自利代理进行贝叶斯最优互动的通用框架
提出了一种推广的贝叶斯强化学习方法，通过整合常见的参数模型和模型先验，实现了在自利多智能体环境中对其他智能体行为的精细和简洁表示，具有比现有方法更好的性能。
PDF11 years ago
ICMLABC 强化学习
该论文介绍了一个基于 ABC 的简单通用框架，用于无似然贝叶斯强化学习，该算法主要利用先验分布，能够应用在基于详细模拟模型的领域，试验结果证实了该算法在 LSPI 比较中具有潜在优势，并引入了一个定理，证明了该算法是原则上可行的。
PDF11 years ago
ICML使用乐观本地转换的近乎最优 BRL
介绍了一种基于模型的贝叶斯强化学习（BRL）算法 BOLT，并分析了其样本复杂度，展示了该算法与以往方法的区别及其优越性。
PDF12 years ago