关键词temporal contrastive learning
搜索结果 - 5
- 多智能体基于时间对比学习的迁移学习
该研究介绍了一个用于深度多智能体强化学习的新型迁移学习框架。该方法通过自动组合目标条件策略和时间对比学习，发现有意义的子目标。实验证明，该方法在多智能体协调任务 Overcooked 上能够提高样本效率，解决稀疏奖励和长期规划问题，并且相比 - ICLR从视频中实现强化学习的原则性表示学习
研究使用视频数据进行决策预训练表示学习，讨论两种情景：观察中的独立同分布噪声和存在外部噪声的困难情景，验证了在不同情境中学习表征方法的样本复杂度和性能表现。
- 谱时对比学习
无监督学习与对比学习相结合的时间对比学习方法（STCL）基于谱分析来构建损失函数，利用示例数据的线性探测表现来评估图的谱特性。
- CVPR对比条件神经过程
本研究针对 Stochastic Processes 中函数的近似，提出了一种基于 Conditional Neural Processes 的方法并引入噪声对抗学习来改善生成模型的一些固有限制。具体而言，本方法包含两个辅助的对比分支（TC - 深度强化学习的马尔可夫状态抽象学习
该研究提出了一种学习马尔科夫状态抽象表示的新方法，结合逆向模型估计和时态对比学习，可以提高强化学习中的样本效率。