policy's value function | BriefGPT - AI 论文速递

关键词policy's value function

搜索结果 - 1

辨识时差学习
提出了一种新型的时序差异学习算法（DTD），通过引入灵活的权重分配函数，能够提高值估计并在不同情境中加速学习。
PDF9 months ago

Prev

Next