Making reinforcement learning more data-efficient
Recently, researchers showed that applying deep neural networks to Reinforcement Learning (RL) can improve the agent’s ability to learn action policies directly from high dimensional input states. However, there are still several challenges present when applying these algorithms to real world...
محفوظ في:
المؤلف الرئيسي: | Cao, Jeffery Siming |
---|---|
مؤلفون آخرون: | Tan Yap Peng |
التنسيق: | Final Year Project |
اللغة: | English |
منشور في: |
Nanyang Technological University
2021
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/149413 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Data-driven decision-making strategies for electricity retailers : a deep reinforcement learning approach
بواسطة: Liu, Yuankun, وآخرون
منشور في: (2022) -
Efficient novelty search through deep reinforcement learning
بواسطة: Shi, Longxiang, وآخرون
منشور في: (2021) -
Efficiency analysis for active rectifier in more electric aircraft (MEA) generator
بواسطة: Lim, Sin Guang
منشور في: (2021) -
Energy efficient resource allocation in wireless communications with deep reinforcement learning
بواسطة: Shi, Hong Tao
منشور في: (2024) -
Trust-region inverse reinforcement learning
بواسطة: Cao, Kun, وآخرون
منشور في: (2023)