delayed rewards | BriefGPT - AI 论文速递

关键词delayed rewards

搜索结果 - 6

通过隐含分配子轨迹奖励差异进行情节回归分解
我们提出了一种名为 Diaster（隐式分配子轨道奖励差异）的新的分解方法，将任何情节奖励分解为两个分割点处的两个子轨迹的学分，并且步骤性代理奖励来自期望的差异。我们在理论和实证上验证了分解后的代理奖励函数可以使策略趋近于最优。实验结果表明
PDF7 months ago
KDD不耐烦赌徒：无需延迟的长期优化
在在线平台中，推荐系统是一个普遍存在的功能，越来越多地被明确要求增加用户的长期满意度。本研究主要关注内容探索任务，将其形式化为一个带有延迟奖励的多臂赌博问题。我们观察到在选择学习信号时存在明显的权衡：等待全部奖励可用可能需要几个星期，从而影
PDFa year ago
具有不完美专家演示的贝叶斯 Q-learning
本文提出一种使用少量专家演示来加速 Q-learning 的算法，通过减少对专家数据的依赖程度和逐步降低不相关数据的使用，实现了对数据的更高效利用，实验结果表明该方法在大多数情况下可以比 Hester 等人的演示深度 Q-learning
PDF2 years ago
广义线性赌博机中的延迟反馈：重访
本文以延迟反馈形式的一般化线性赌博机作为研究对象，通过设计乐观的算法，使得其失效惩罚与决策次数无关，从而大幅提高了现有研究中最优遗憾界的表现。
PDF2 years ago
ICLR通过随机回报分解学习长期奖励再分配
本文提出了一种基于 RRD (Randomized Return Decomposition) 算法的代理奖励机制，从而解决了强化学习中因奖励稀疏和延迟所引起的问题，并在基准任务上获得了显著的改进。
PDF3 years ago
RUDDER: 延迟奖励的返回分解
提出 RUDDER 方法来解决在马尔可夫决策过程中有延迟奖励的情况下，通过奖励重新分配实现把预期的未来奖励推向零，简化 Q 值的估计，并通过在人工任务上的实验验证其在 Atai 游戏中有明显的提高。
PDF6 years ago