value-based methods | BriefGPT

关键词value-based methods

搜索结果 - 11

关于价值函数的有限表达能力及其与统计 (非) 效率的联系
通过一系列的案例研究，本文深入探讨了模型识别和无模型方法之间的权衡，重点关注了在政策评估的核心问题上，价值函数空间内无法准确表示转移动态信息的情况，揭示了价值函数的表达能力限制是低效的驱动因素。
PDF4 months ago
价值增益的条件监督学习用于离线强化学习
通过结合 Neural Tangent Kernel 分析的价值函数，Value-Aided Conditional Supervised Learning (VCS) 方法有效地克服了 return-conditioned supervi
PDF5 months ago
AAAI离线强化学习的评论引导决策转换器
离线强化学习中的 CGDT 方法结合了基于值函数的方法和决策 Transformer 的轨迹建模能力，通过整合学习的值函数，保证了指定目标回报和动作预期回报之间的直接对齐，从而弥合了 RCSL 的确定性和基于值函数方法的概率特性之间的差距。
PDF7 months ago
B-Coder：基于价值的深度强化学习在程序合成中的应用
程序合成通过从自然语言描述中创建准确的可执行代码。本文研究了基于增强学习和预训练语言模型的价值方法在程序合成中的应用，并展示了其在性能上达到了最新水平。
PDF9 months ago
在 MuJoCo 环境中探索离散和连续控制任务的强化学习技术
利用快速物理模拟器 MuJoCo 在连续控制环境中运行任务，通过离散化方法比较 Q 学习和 SARSA 作为基准，逐步转向最先进的深度策略梯度方法 DDPG。在大量的回合中，Q 学习的得分超过了 SARSA，但在少数回合中，DDPG 表现更
PDFa year ago
MM针对多任务稀疏奖励环境的基于价值的连续控制机器人操作强化学习
本文研究如何利用基于价值的深度强化学习方法，通过使用改善技术来提高深度 Q 学习（Deep Q learning）的效率，在多任务稀疏奖励机制下完成机器人操作任务。我们的实验表明，价值法比政策梯度法对数据增强和回放缓冲样本技术更加敏感，这些
PDF3 years ago
策略梯度方法的操作符视角
本文通过引入操作符的概念，将传统的强化学习算法中的策略梯度方法如 REINFORCE 和 PPO 等转化成了操作符形式，从而更好地理解它们的原理，同时通过引入新的全局下限，进一步弥合了基于策略和基于价值的方法之间的差距，将 REINFORC
PDF4 years ago
MAVEN: 多智能体变分探索
本文提出一种名为 MAVEN 的新方法，该方法结合了价值和基于策略的方法，引入了层次控制的潜在空间来解决 QMIX 和类似方法中的行动值表示约束引起的探索不足和次优现象。MAVEN 可以实现承诺和延时探索，在具有挑战性的 SMAC 动态负载
PDF5 years ago
ICLR利用结构实现基于价值的规划和强化学习
利用矩阵估计技术，提出了一种利用 Q 函数中的全局低秩结构来提高经典控制器和深度强化学习性能的方案。在控制任务和 Atari 游戏中进行的实验证实了该方法的有效性。
PDF5 years ago
离线策略评估方法（Off-Policy Evaluation）基于离线策略分类（Off-Policy Classification）
本文旨在解决深度强化学习领域中的模型选择问题，并提出一种基于 Q 函数作为决策函数的正无标记（PU）分类问题的度量方法来评估离线策略评估的性能，该方法适用于具有连续动作空间和稀疏二元奖励的马尔可夫决策过程，并且在一些任务上表现优于基线算法。
PDF5 years ago
深度强化学习简要调查
深度强化学习是 AI 领域的一项重大进展，可以构建具有更高层次视觉世界理解能力的自主系统。本文综述了深度强化学习的中央算法，包括基于价值和基于策略的方法，并重点介绍了深度神经网络在强化学习中的独特优势，最后描述了该领域内的几个当前研究方向。
PDF7 years ago