标签：获得 能力 不同的 png 想法 com 灵活 参数化 inf
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！
NeurIPS, (2018)
Abstract
我们提出了一种元学习方法，用于学习基于梯度的RL算法。这个想法是要逐步形成一种可微的损失函数，这样智能体就可以通过优化其策略以最大程度地减少这种损失，获得较高的奖励。损失是通过代理经验的时间卷积来参数化的。 由于这种损失在考虑代理历史方面的能力上具有很高的灵活性，因此可以快速学习任务。 实验结果表明，与现成的策略梯度方法相比，我们的进化策略梯度算法（EPG）在几种随机环境下可以更快地学习。 我们还证明，EPG的学习损失可以推广到分布外的测试时间任务，并且表现出与其他流行的金属学习算法不同的行为。
标签：获得 能力 不同的 png 想法 com 灵活 参数化 inf
原文地址：https://www.cnblogs.com/lucifer1997/p/13626894.html
