arXiv stat.ML· Kunqi Huang, Lican Kang, Hongrui Shu, Jincheng Ying·· 2 小时前AI 评分28
基于极大极小 Critic 与反射朗之万采样的神经 Actor-Critic 学习
Neural Actor--Critic Learning with Minimax Critics and Reflected Langevin Sampling
AI 导读
研究人员提出一种结合 Sigmoid 网络正则化极大极小 Bellman 估计器与反射朗之万采样的神经 Actor-Critic 学习方法。该方法引入高阶动作导数惩罚，在理论上获得了匹配经典非参数极大极小指数的价值与动作梯度风险界，并推导出完整的回报保证。在受控模拟、连续控制数据及模拟决策任务上的实证研究表明，该方法性能优于对比基线。
来源：arXiv stat.ML · arxiv.org