基于最小二乘的双权重学习法

来源 :计算机科学 | 被引量 : 0次 | 上传用户：mytony

【摘要】

：

强化学习是人工智能领域中的一个研究热点。在求解强化学习问题时,传统的最小二乘法作为一类特殊的函数逼近学习方法,具有收敛速度快、充分利用样本数据的优势。通过对最小二

【作者】

：

李斌刘全

【机构】

：

苏州大学计算机科学与技术学院,苏州大学江苏省计算机信息处理技术重点实验室,软件新技术与产业化协同创新中心,吉林大学符号计算与知识工程教育部重点实验室

【出处】

：

计算机科学

【发表日期】

：

2020年12期

【关键词】

：

强化学习函数逼近最小二乘时序差分 Sarsa Reinforcement learningFunction approximationLeast-squa

【基金项目】

：

国家自然科学基金(61772355,61702055,61502323,61502329),江苏省高等学校自然科学研究重大项目(18KJA520011,17KJA520004),吉林大学符号计算与知识工程教育部重点实验室资助项目(93K172014K04,93K172017K18),苏州市应用基础研究计划工业部分(SYG201422)

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

强化学习是人工智能领域中的一个研究热点。在求解强化学习问题时,传统的最小二乘法作为一类特殊的函数逼近学习方法,具有收敛速度快、充分利用样本数据的优势。通过对最小二乘时序差分算法(Least-Squares Temporal Difference,LSTD)的研究与分析,并以该方法为基础提出了双权重最小二乘Sarsa算法(Double Weights With Least Squares Sarsa,DWLS-Sarsa)。DWLS-Sarsa算法将两权重通过一定方式进行关联得到目标权重,并利用Sarsa方

其他文献

论《尘埃落定》中的罂粟意象与边疆现代性

罂粟(鸦片)作为民族耻辱的象征代表着来自西方强势文明的侵入和冲击,是自晚清以来中国向现代民族国家转型进程中具有悲情民族主义色彩的典型符号。在小说《尘埃落定》中,阿来

期刊

阿来《尘埃落定》罂粟边疆现代性

单身人士如何买房

对于单身人士购房者来说，购买小户型物业要具备投资者的眼光。在出手之前，要考虑周全，不仅要考虑眼前的居住问题，还要了解当地的租赁市场行情和区域发展趋势。　　单身人士也会买房　　近日，记者在某社交类网站上看到有人提问：我是一位单身人士，暂未考虑成家，但是否可以考虑自己购置一套住房用于自住？　　回复者甚众，大多数人建议这位人士在经济条件许可的情况下，可以考虑购置一套属于自己的住房。从多数人的观点来看，认

期刊

租赁市场小户型购房者买房区域发展趋势物业考虑周全

消疹解毒汤联合直线偏振光近红外线治疗带状疱疹的临床观察

目的：观察消疹解毒汤合并直线偏振光近红外线照射对带状疱疹患者的治疗作用。方法：选择诊断明确的带状疱疹患者45例，随机分为两组，A组（25例）采用消疹解毒汤联合直线偏振光近红外线

期刊

消疹解毒汤直线偏振光近红外线治疗带状疱疹临床观察

累积产量图版法预测致密气藏动态储量

致密气藏关井达到压力平衡或生产达到拟稳态的时间较长,传统方法（压降法、压力恢复法和弹性二相法）在计算动态储量时需要长期的关井测压或持续生产测试,因此其应用受到了不同

期刊

累积产量图版物质平衡致密气藏火山岩动态储量

脑挫裂伤的中医辨证治疗

期刊