关键词non-markovian environments
搜索结果 - 2
- 多体开放量子系统的非马尔可夫耗散动力学的神经网络方法
利用神经量子态的方法,我们提供了一种人工智能策略来模拟耦合非马尔可夫环境的开放量子系统的动力学,通过将神经量子态方法与含衰减耦合的二次量化量子主方程(DQME-SQ)结合起来,我们能够在显著减少动力学变量的同时实现与传统的层次方程相当的精度 - 非参数通用强化学习
本文提出了在非 Markovian、非 ergodic 且只部分可观察的环境下进行强化学习的问题。作者建立了贝叶斯强化学习代理的负面结果,并证明 Thompson 采样在随机环境中是渐进最优的。此外,作者构建了一个大但可计算的类,展示了基于