- 1、本文档共9页,其中可免费阅读8页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提出了一种基于元梯度算法对强化学习中多折扣因子的优化方法,用来处理单一折扣因子不能对折扣回报不同状态下进行分别优化的问题。将单一的折扣因子转换成多折扣因子,将对单一折扣因子的优化转换成对多折扣因子的优化,实现对折扣回报各个状态之间的分别优化,能够使得折扣回报的计算更加精确,同时由于折扣回报的计算精确,也会使得价值网络得到更有效的更新,优势函数也会计算的更加精确。由于优势函数计算更加精确,也会使得策略网络得到更有效的更新。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117764144A
(43)申请公布日2024.03.26
(21)申请号202311811250.9
(22)申请日2023.12.26
(71)申请人桂林电子科技大学
地址5410
您可能关注的文档
- 一种适用于高碱度原料的转底炉烟道系统控制方法.pdf
- 可穿戴电子设备及其语音检测方法.pdf
- 一种固定化酶生产中磷酸盐废液处理工艺.pdf
- 一种钛合金形核颗粒、钛合金细化剂及其制备方法、钛合金.pdf
- 芯片结构、封装结构和芯片结构的制备方法.pdf
- 一种材料折射率渐变的激光防护薄膜结构及制备方法.pdf
- 投射位置的确定方法、装置、车载终端及车辆.pdf
- 一种5.5Ni钢中厚板及其生产方法和应用.pdf
- 一种脱碳层深度≤百分之0.3厚度的矩形扁钢生产方法.pdf
- 一种高精度液压缸.pdf
- 2024-2025学年培养自我效能感的小学心理教育设计.docx
- 鲁教版美术一年级下册 第5课《有趣的半圆形》 教学设计.docx
- 2024-2025学年学校环境与霸凌行为的联系教学设计.docx
- 2024-2025学年培养小学生时间管理能力的教学设计.docx
- 4.12依法生产经营,保护环境(教学设计)-《职业道德与法律》同步教学(高教版).docx
- (中职) 网店客服(第二版)教案8-1同步教学教案.docx
- 2024-2025学年培养小学生自我调节能力的德育设计.docx
- 2024-2025学年小学安全教育教学设计的多媒体运用.docx
- 2024-2025学年小学安全教育观念教学设计总结.docx
- 人教版七年级音乐上册(简谱)第2单元 《歌唱祖国》教学设计.docx
文档评论(0)