中文版 | English

在结果中检索

CASIA OpenIR
（本次检索基于用户作品认领结果）

浏览/检索结果: 共2条，第1-2条 帮助

限定条件            
已选(0)清除 条数/页：   排序方式：
POPO: Pessimistic Offline Policy Optimization 会议论文
, Singapore, Singapore, 23-27 May 2022
作者:  He Q(何强);  Hou XW(侯新文);  Liu Y(刘禹)
Adobe PDF(1200Kb)  |  收藏  |  浏览/下载：204/41  |  提交时间：2022/06/27
reinforcement learning  offline optimization  out-of-distribution  
面向连续控制任务的深度强化学习值函数估计研究 学位论文
工学硕士, 中国科学院自动化研究所: 中国科学院大学, 2022
作者:  何强
Adobe PDF(4687Kb)  |  收藏  |  浏览/下载：221/5  |  提交时间：2022/06/17
深度强化学习  值函数估计  值函数表示  集成强化学习