已入深夜,您辛苦了!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!祝你早点完成任务,早点休息,好梦!

Policy Gradient using Weak Derivatives for Reinforcement Learning

作者
Sujay Bhatt,Alec Koppel,Vikram Krishnamurthy
标识
DOI:10.1109/ciss.2019.8692920
摘要

Reinforcement Learning (RL) is a form of implicit stochastic adaptive control where the optimal control policy is estimated without directly estimating the underlying model parameters. This paper considers reinforcement learning for an infinite horizon discounted cost continuous state Markov decision process. In a MDP, actions affect the Markovian state dynamics and result in rewards for the agent. The objective is to find a map from the states to actions, also known as policy, that results in the accumulation of largest expected return over an infinite horizon. There are many ways to estimate such a policy: policy iteration, Q-learning (which operates in the so called “value” space), policy-gradients (which operates in the policy space); see [1, 14] for a detailed discussion of these methods.

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
whistle完成签到,获得积分10
刚刚
无奈奎完成签到,获得积分10
1秒前
俭朴苑博的应助被Neil采纳,获得10
3秒前
4秒前
酸性纯水完成签到,获得积分10
8秒前
8秒前
8秒前
自然念云完成签到 ,获得积分10
8秒前
123456完成签到 ,获得积分10
10秒前
dq发布了新的文献求助10
11秒前
11秒前
失眠的修杰完成签到,获得积分10
12秒前
Xty007完成签到,获得积分10
12秒前
林狗的应助被科研通管家采纳,获得10
14秒前
GingerF的应助被科研通管家采纳,获得50
14秒前
波利安娜发布了新的文献求助10
14秒前
是多多呀完成签到 ,获得积分10
16秒前
momojee发布了新的文献求助10
17秒前
18秒前
Tayzon完成签到,获得积分10
18秒前
19秒前
CYQ完成签到 ,获得积分10
20秒前
阿坤完成签到 ,获得积分10
21秒前
高兴溪流完成签到,获得积分20
22秒前
WindStar发布了新的文献求助10
22秒前
momojee完成签到,获得积分20
24秒前
ziw完成签到,获得积分10
25秒前
科研通AI6.4的应助被wu采纳,获得30
25秒前
清爽老九的应助被Lonely采纳,获得30
26秒前
wickedjon发布了新的文献求助30
26秒前
inRe完成签到,获得积分10
26秒前
daremo完成签到,获得积分10
27秒前
小蘑菇的应助被NANA采纳,获得10
28秒前
28秒前
Montiel发布了新的文献求助10
29秒前
追寻孤萍完成签到,获得积分10
32秒前
32秒前
HD发布了新的文献求助10
33秒前
navon完成签到,获得积分10
34秒前
学术饕餮完成签到,获得积分10
36秒前
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
CODESSA Version 2.13 for Windows 2000
Rosenblum, Global Change Biology 800
Berberine regulates the TLR4 signaling pathway to suppress hypoxia-induced proliferation and migration of pulmonary arterial smooth muscle cells 520
Organizational Behavior 510
A Concise Course in Continuum Mechanics 400
A Silent Apostrophe:The Fayum Portraits 350
热门求助领域 (近24小时)
化学 材料科学 医学 生物 计算机科学 工程类 纳米技术 有机化学 化学工程 内科学 物理 生物化学 复合材料 催化作用 细胞生物学 人工智能 心理学 无机化学 基因 遗传学
热门帖子
关注 科研通微信公众号,转发送积分 7846773
求助须知:如何正确求助?哪些是违规求助? 9367031
关于积分的说明 20652698
捐赠科研通 7443346
什么是DOI,文献DOI怎么找? 3341826
关于科研通互助平台的介绍 2485679
邀请新用户注册赠送积分活动 2364578