quantile temporal-difference learning | BriefGPT

关键词quantile temporal-difference learning

搜索结果 - 1

ICML分位数时序差分学习在价值估计中的统计优势
本研究探讨了强化学习中基于时间差分的策略评估问题，并分析了一种分布式强化学习算法 —— 量化时间差分学习 (QTD) 在此任务中的应用。研究得出了令人惊讶的结论，即使从业者对返回分布的平均值以外的部分不感兴趣，QTD（能够学习返回值的完整分
PDFa year ago