V
主页
强化学习论文分享2022-11-24
发布人
Data-Driven Offline Decision-Making via Invariant Representation Learning > 内容简介:离线数据驱动决策的目标是使用先前收集的静态数据集,在没有主动交互的情况下,综合优化黑箱效用函数的决策。这些问题以多种形式出现:离线强化学习(RL),我们必须制定优化长期回报的行动策略。在离线基于模型的优化(MBO)问题中的一个关键挑战是分布转移:当我们针对从离线数据训练的模型的输入进行优化时,很容易产生一个看起来错误良好的非分布(OOD)输入。与利用悲观主义或保守主义来解决这一问题的现有方法不同,在本文中,我们将离线数据驱动决策制定为领域自适应,其中目标是在仅针对数据集(“源域”)。这种观点导致了不变目标模型(IOM),这是我们通过在训练数据集的学习表示和优化决策之间增强不变性来解决分布变化的方法。在IOM中,如果优化的决策与训练数据集相差太大,则表示将被迫丢失区分好设计与坏设计的大部分信息,从而使所有选择看起来都很平庸。至关重要的是,当优化器意识到这种代表性权衡时,它应该选择不偏离训练分布太远,平衡分布变化和学习性能两者的重要性。 > 关键词:离线强化学习,表示学习 OFFLINE REINFORCEMENT LEARNING WITH ADAPTIVE BEHAVIOR REGULARIZATION (ICLR 2023) > 内容简介:离线RL的主要障碍是由于评估分布外动作的价值所产生的估计误差。为解决这个问题,大多数现有的离线RL方法都试图要求智能体既选择“接近”数据集中包含的动作,同时要求智能体能在采样策略上进行提升,这需要在两个可能相互冲突的目标之间进行权衡。本文提出了自适应行为正则化(ABR),以平衡这个关键的权衡。通过简单地利用基于采样的正则化,ABR使该策略能够自适应地调整在克隆和改进用于生成数据集的策略之间的优化目标。 > 关键词:离线强化学习,行为正则
打开封面
下载高清视频
观看高清视频
视频下载器
UC Berkeley《深度强化学习|CS 285 Deep Reinforcement Learning 2023》中英字幕(豆包翻译)
强化学习玩王者荣耀_创建环境
强化学习论文分享2022-10-20
强化学习论文分享2022-12-29
从模型预测控制到强化学习-9:仿真、理解和可视化形式各异的DQN算法
从模型预测控制到强化学习10:“直来直往-直接给策略推荐”的确策略梯度(PG)方法REINFORCE-A2C-原理与仿真
动态规划+DDPG
强化学习论文分享20240117_2
强化学习专题分享20230801
强化学习论文分享20230612
强化学习论文分享20230807
讲座01 | 基于模型的主动感知机器人强化学习系统——上海交通大学MVIG实验室在读博士吕峻
03-从动态控制到学习优化-精华串讲-3:模型参数辨识-最优控制与强化学习的桥梁-动力系统抗扰控制
强化学习论文分享20230515
强化学习论文分享20240411_1
双足机器人强化学习humanoid-gym sim2sim详细学习过程,Openloong的urdf为例
强化学习论文分享20240117_1
强化学习论文分享20230410
强化学习简介+DQN
强化学习论文分享20240509
强化学习论文分享2022-10-13
机器学习-强化学习详解!这绝对是全网最简单的强化学习基础概念与算法讲解,代码实战!
强化学习论文分享2023-01-12
强化学习论文分享2022-11-03
强化学习论文分享20240718-1
强化学习论文分享2022-12-08
强化学习论文分享2022-12-01
强化学习论文分享20230727
强化学习论文分享20240110
强化学习论文分享2023-02-16
强化学习论文分享2022-11-17
强化学习论文分享2023-02-23
强化学习论文分享2023-01-05
强化学习论文分享20230522
强化学习论文分享2022-10-06
强化学习论文分享20230417
强化学习论文分享2023-02-09
太...完整了!同济大佬唐宇迪博士终于把【深度强化学习】入门到精通全套课程分享出来了,最新前沿方向均有涉猎!----人工智能/强化算法/机器学习
强化学习论文分享2022-09-29
研究生必看!我愿全文背诵的周志华机器学习教科书!全16章终于有人讲明白了!线性回归、决策树、半监督学习、强化学习、规则学习...