★ 2
基于复数记忆的强化学习
论文重新审视酉循环网络（uRNN），其在复向量空间中表达循环与隐状态，保范酉动力学有利于长序列信息传播。作者提出三种 uRNN 变体作为循环 PPO 架构的即插即用替代，并探索保留复数隐状态相位信息的相位感知策略。在 rocksample、Craftax 等任务上奖励达基线的 2-3 倍，为部分可…
arXiv cs.LG32 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文重新审视酉循环网络（uRNN），其在复向量空间中表达循环与隐状态，保范酉动力学有利于长序列信息传播。作者提出三种 uRNN 变体作为循环 PPO 架构的即插即用替代，并探索保留复数隐状态相位信息的相位感知策略。在 rocksample、Craftax 等任务上奖励达基线的 2-3 倍，为部分可…