★ 2
带缓冲分位目标的深度强化学习
研究提出Deep-BQRL，将缓冲分位学习扩展到神经网络函数逼近的无模型分布式强化学习框架，直接从采样转移中学习条件回报分位。在资产出售最优停止与FrozenLake任务中，其分位策略差距小于PPO与TRPO，并展现可解释的风险敏感行为。
arXiv cs.LG42 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出Deep-BQRL，将缓冲分位学习扩展到神经网络函数逼近的无模型分布式强化学习框架，直接从采样转移中学习条件回报分位。在资产出售最优停止与FrozenLake任务中，其分位策略差距小于PPO与TRPO，并展现可解释的风险敏感行为。