【摘 要】
：
在强化学习过程中,Agent访问1个状态动作转换对只能更新1项值函数,使得学习收敛速度极慢。本文提出了一种利用无环状态路径来加速强化学习收敛速度的方法。通过获得训练情节
论文部分内容阅读
在强化学习过程中,Agent访问1个状态动作转换对只能更新1项值函数,使得学习收敛速度极慢。本文提出了一种利用无环状态路径来加速强化学习收敛速度的方法。通过获得训练情节中每个状态到达目标状态的无环状态路径,使得Agent可以沿最短无环路径逆序地传播当前更新的值函数,实现了Agent访问1个状态动作转换对可以更新1批值函数,从而加快学习收敛速度。从实验对比结果看,该方法可显著地加速学习收敛,缩短学习时间。
其他文献
由于网络行为的不确定性,使现有入侵检测系统几乎都存在高误报率和高漏报率的缺点。云模型是将模糊性和随机性有机结合进行不确定性推理的有效工具。本文利用云模型来处理网
对基于视频的交通流量参数检测及交通路口控制方法而言,车辆检测是很关键的一步,但是由于车辆阴影的客观存在,经常会造成汽车数量的误检。本文在背景自适应更新的基础上,对阴影建立了模型并对检测算法进行了改进,以提高车辆检测精度。
情感因素在教学中起着很重要的作用。尤其对于缺乏自律和自信的高职学生来说,如何在教学中恰当地应用情感因素,会显著提高教学效果。分析学生的学习动机、信心、兴趣、对教师
财务工作在企业的日常运营中扮演着关键性角色,与内部资源的管控以及经济利益等有着紧密联系。本篇文章就财务分析在制造业企业财务管理中的运用展开论述。首先对现金流量、
美国是企业年金计划较成熟的国家之一，其相关税收方面的优惠政策已形成了相当完整的体系。我国的企业年金计划还处于发展的初期阶段，近年来，虽做了一些税收优惠的试点尝试，但并未
目前，北京在低保人群中，有就业能力的人就业率很低。调查显示，这其中有未就业者自身的问题，包括身体状况、文化技术水平、心理素质、就业观念等，但也有政策制度问题，包括政策制度不
在2020年中央一号文件关于抓好"三农"领域重点工作、确保如期实现全面小康的意见中,第十二条指出"改善乡村公共文化服务",扶持农村非遗传承人、农业文化遗产。作为农业强市的
学生公寓管理是高校后勤管理的一项重要工作.随着学校开始对学生公寓进行单独核算和广大师生及家长对学生公寓管理和服务质量的要求越来越高,学生公寓管理必须从粗放式管理走
目的:探究对新生儿窒息合并心肌损害患儿应用大剂量维生素C联合二磷酸果糖的临床效果。方法:选取我院2015年2月-2016年8月新生儿科收治的新生儿窒息合并心肌损害患儿114例作