亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Trust Region Policy Optimization

超参数 单调函数 信任域 多样性(控制论) 方案(数学) 非线性系统 计算机科学 数学优化 人工神经网络 深层神经网络 人工智能 强化学习 优化算法 数学 数学分析 物理 量子力学 半径 计算机安全
作者
John Schulman,Sergey Levine,Pieter Abbeel,Michael I. Jordan,Philipp Moritz
出处
期刊:Cornell University - arXiv [Cornell University]
卷期号:: 1889-1897 被引量:3120
标识
DOI:10.48550/arxiv.1502.05477
摘要

We describe an iterative procedure for optimizing policies, with guaranteed monotonic improvement. By making several approximations to the theoretically-justified procedure, we develop a practical algorithm, called Trust Region Policy Optimization (TRPO). This algorithm is similar to natural policy gradient methods and is effective for optimizing large nonlinear policies such as neural networks. Our experiments demonstrate its robust performance on a wide variety of tasks: learning simulated robotic swimming, hopping, and walking gaits; and playing Atari games using images of the screen as input. Despite its approximations that deviate from the theory, TRPO tends to give monotonic improvement, with little tuning of hyperparameters.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
hyq发布了新的文献求助10
5秒前
徐三问完成签到,获得积分20
8秒前
ljt完成签到 ,获得积分10
9秒前
英俊的如柏完成签到,获得积分20
14秒前
14秒前
飘逸天荷完成签到,获得积分10
15秒前
MySun完成签到 ,获得积分10
15秒前
徐三问发布了新的文献求助10
17秒前
飘逸天荷发布了新的文献求助10
18秒前
伍智谦发布了新的文献求助10
22秒前
molihuakai的应助被kai采纳,获得10
23秒前
整齐的梦露完成签到 ,获得积分10
24秒前
25秒前
Yy123完成签到,获得积分20
25秒前
酷炫安雁完成签到,获得积分10
26秒前
26秒前
yabb完成签到 ,获得积分10
27秒前
Yy123发布了新的文献求助10
28秒前
bloom发布了新的文献求助10
32秒前
爆米花的应助被丢丢采纳,获得10
35秒前
广州小肥羊完成签到 ,获得积分10
37秒前
勤奋海白完成签到,获得积分10
40秒前
希望天下0贩的0的应助被bloom采纳,获得10
41秒前
CoCo完成签到 ,获得积分10
44秒前
45秒前
leoo完成签到,获得积分10
45秒前
sylar完成签到,获得积分10
48秒前
miao完成签到,获得积分20
49秒前
酷波er的应助被hyq采纳,获得10
49秒前
科研通AI6.2的应助被星之采纳,获得10
49秒前
懿范完成签到 ,获得积分10
49秒前
酷波er的应助被babyapple采纳,获得10
50秒前
丢丢发布了新的文献求助10
51秒前
MKE完成签到 ,获得积分10
52秒前
无奈的若风完成签到,获得积分10
53秒前
1分钟前
babyapple发布了新的文献求助10
1分钟前
在水一方的应助被伍智谦采纳,获得80
1分钟前
zhang568完成签到 ,获得积分10
1分钟前
清爽的曼文完成签到,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Energie-Contracting 1500
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Stochastic Models in Operations Research,Vol. 2 600
Organizational Behavior 510
桑白皮エキスの実験的, 臨床的育毛効果について 500
Comprehensive Heterocyclic Chemistry IV 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8041328
求助须知:如何正确求助?哪些是违规求助? 9474780
关于积分的说明 21274396
捐赠科研通 7609686
什么是DOI,文献DOI怎么找? 3391364
关于科研通互助平台的介绍 2522805
邀请新用户注册赠送积分活动 2429122