通過減小Bootstrapping Error Reduction來進行離線RL學習
最近嘗試了一些offline數據的off-policy算法，發現value function的overestimation問題非常嚴重，在正常學習估計收斂在400左右的價值函數在離線數據下竟然會一直累積到幾十萬，高的離譜。正好近期offline RL領域就有一篇工作講這件事，所以值得仔細讀一讀。 論文全稱： Stabilizing Off-Policy Q-Learning via Bootstr
相關文章
- 1. 通過node.js進行前後端分離
- 2. 離線學習
- 3. Netty學習筆記（二）--- Bootstrapping
- 4. RL學習筆記
- 5. 強化學習(RL)
- 6. Android 通過輪詢進行通知的學習
- 7. 機器學習（十）-------- 降維(Dimensionality Reduction)
- 8. 在線學習與離線學習
- 9. 《強化學習Sutton》讀書筆記（六）——n步Bootstrapping（n-step Bootstrapping）
- 10. 機器學習中的在線學習與離線學習
- 更多相關文章...
- • 您已經學習了 XQuery，接下來該學習什麼內容呢？ - XQuery 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • 適用於PHP初學者的學習線路和建議
- • Tomcat學習筆記（史上最全tomcat學習筆記）
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
