non-stationarity | BriefGPT

关键词non-stationarity

搜索结果 - 46

强化学习设置中的专家混合模型
以增加参数计数、减少休眠神经元为特点的协同专家模型在深度强化学习中显著提升性能，通过多任务训练模拟非稳态性的扩大，进一步增强学习能力，并探索最佳使用戏剧评论理论网络中的协同专家组件的方法。
PDF8 days ago
LGR2：语言引导的奖励重新标记加速分层强化学习
开发交互系统，利用自然语言指令解决复杂的机器人控制任务是机器人学界长期以来的目标之一。本研究提出了 LGR2，这是一种新颖的层次强化学习框架，利用语言指令生成上层政策的稳定奖励函数，以解决非稳态问题，从而有效地利用语言指令解决机器人控制任务
PDF25 days ago
离线强化学习中的结构化非稳定性数据集
当前强化学习通常受到需要大量数据来学习成功策略的限制。离线强化学习旨在通过使用由不同行为策略收集到的转换来解决这个问题。我们提出了一种基于对比预测编码的方法，该方法识别了离线数据集中的非稳定性，在训练策略时对其进行考虑，并在评估过程中进行预
PDFa month ago
没有代表，没有信任：连接 PPO 中的代表、崩溃和信任问题
通过对 Atari 和 MuJoCo 环境中的 PPO 代理的实证研究，揭示了 PPO 代理受特征秩降低和可塑性丧失的影响，这一现象加剧了强非稳态性，最终导致演员的性能崩溃，无论评论家的性能如何。我们建立了表示崩溃、性能崩溃和 PPO 中的
PDF2 months ago
PIPER: 基于先验知识驱动的基于偏见重标记的层次强化学习
通过基于偏好的学习来学习奖励模型，并利用此模型对更高级别的重放缓冲区进行重新标记，以缓解现有层次化方法中常见的非稳态问题，并在各种具有挑战性的稀疏奖励任务中展现出令人印象深刻的性能。
PDF2 months ago
TS-CausalNN: 从非线性非平稳时间序列数据中学习时间因果关系
提出了一种用于时间序列数据因果关系发现的深度学习方法，该方法在非平稳性和非线性性方面具有很好的性能，并能与领域理解达成一致。
PDF3 months ago
三元之优：实践中的数字营销适应性实验
基于经验开发了一种适应性实验设计（AED）框架，用于反事实推断，并在商业环境中进行了测试，以解决在具有非平稳性的工业环境中使用 AED 系统的挑战和问题。
PDF5 months ago
通过动态学习器跟踪变化的概率
考虑一个预测器，一个学习者，其输入是一系列离散项目。预测器的任务是在每个时间点进行概率多类别预测，即通过输出一个或多个候选项目，每个项目附加一定概率，从中推测可能出现的下一个项目，然后实际项目被揭示，预测器从这次观察中学习。
PDF5 months ago
AAAIU-Mixer: 一种带有站点校正的时间序列预测 Unet-Mixer 结构
通过结合 Unet 和 Mixer 的方法，U-Mixer 框架能够有效地捕捉不同补丁和通道之间的局部时间依赖关系，以避免通道之间分布变化的影响，并合并低级别和高级别特征以获取全面的数据表示，从而解决时间序列预测中的非平稳性挑战。该研究通过
PDF6 months ago
通过强化学习在动态投资组合优化中进行投资限制和非稳态的因果推断
使用强化学习技术，我们研究了一种动态资产配置投资策略，并解决了将金融时间序列数据的非平稳性纳入强化学习算法的关键问题，以提高预测精度。我们发现引入环境设置中的变量，如制度变化，对于增强预测准确性至关重要。此外，强化学习在投资策略中的应用具有
PDF8 months ago
建模非平稳数据的具有整体局部尺度结构的在线学生 -$t$ 过程
提出了一种基于贝叶斯混合学生 t 过程和整体 - 局部尺度结构的方法，用于建模时间相关数据中的非平稳性和重尾误差，并利用顺序蒙特卡洛采样器进行实时数据在线推断，通过在真实世界数据集上的比较实验表明了该方法相对于典型的高斯过程模型的优势，证明
PDF8 months ago
非平稳环境下的上下文广告学习通过神经预测集成抽样
在这篇论文中，我们介绍了一种新颖的非平稳情境强化学习算法，它结合了可扩展的基于深度神经网络的架构和一个精心设计的探索机制，在非平稳环境中优先采集具有最持久价值的信息，并通过对两个展现明显非平稳性的真实推荐数据集的实证评估，我们证明了我们的方
PDF9 months ago
深入的高斯过程的非稳态卷积核的统一视角
高斯过程常用于数据的随机函数逼近和不确定性量化，在机器学习中它们表现出优秀的预测能力，尤其在数据稀缺场景下，但核函数作为高斯过程的重要构建模块，通常需要进行复杂的定制，我们通过研究代表性数据集中多种核函数的表现、性质和性能，提出了一种融合现
PDF10 months ago
异步分散式 Q-Learning: 持久性的两时间尺度分析
这篇研究论文探讨了多智能体强化学习中的非静态挑战，介绍了一种异步变种的分散式 Q 学习算法，并提供了使异步算法以高概率驱动到均衡的充分条件。它还将该算法及其相关方法的适用性扩展到参数独立选择的环境，并在不强加协调假设的情况下驯服了非静态挑战
PDFa year ago
机器人与非固定人员之间的有效协作行为变压器
提出了一个基于元学习框架的行为转换方法（BeTrans），实现了机器人代理与具有非稳态行为的人类代理的有效协作和快速适应，解决了人机协作中由于人类行为变化引起的非稳定性问题。
PDFa year ago
Seq2Peak 框架：填补高峰时期系列预测的性能差距
本文提出了一种名为 Seq2Peak 的新框架，该框架用于解决峰值时期的时间序列预测问题，通过使用 CyclicNorm 和一种新的可训练参数自由峰值时段解码器及混合损失函数，为传统的时间序列预测模型提供了新的性能提升，并通过对四个真实世界
PDFa year ago
全局状态预测的分布式多智能体强化学习
本文探讨了应用深度强化学习（Deep reinforcement learning, DRL）到机器人群体控制中的挑战，并提出了一种基于部分可观察马尔科夫决策过程（Partially Observable Markov Decision P
PDFa year ago
在线分类非平稳数据的卡尔曼滤波器
论文介绍在线连续学习的挑战和解决方案，提出将深度学习和状态空间模型结合的贝叶斯在线学习模型，并通过有效的卡尔曼滤波重建线性预测权值上的后验分布，采用在线 SGD 算法更新数据中的非稳态性，进而成功应用于多类分类问题，如 CIFAR-100
PDFa year ago
通过因果起源表示解决强化学习中的非稳态问题
本文提出了一种新的非稳态强化学习的方法，即使用 Causal-Origin REPresentation（COREP）算法，该算法主要利用引导更新机制来学习状态的稳定图表示，由此得到的策略对非稳态具有鲜明的适应性优势。
PDFa year ago
Koopa：使用 Koopman 预测器学习非平稳时间序列动态
本文提出了基于 Koopman 理论的深度时间序列预测模型 Koopa，通过 Fourier Filter 将时间序列分解成时间变量和不变量，并设计 Koopman 预测器来推进各自的动态。与现有模型相比，Koopa 在保存 77.3％的训
PDFa year ago