★ 2
强化学习中的策略复杂度与有限理性
论文提出 MI-SARSA，一种在策略时序差分算法，通过互信息正则化引入学习到的边际动作先验，使状态信息仅在收益足够时才被使用。该模型同时预测反应时间，区别于多数只预测选择或回报的强化学习模型，并揭示了鲁棒性与容量之间的权衡。
arXiv cs.LG38 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 MI-SARSA，一种在策略时序差分算法，通过互信息正则化引入学习到的边际动作先验，使状态信息仅在收益足够时才被使用。该模型同时预测反应时间，区别于多数只预测选择或回报的强化学习模型，并揭示了鲁棒性与容量之间的权衡。