Trust Region Policy Optimization

超参数 单调函数 信任域 多样性(控制论) 方案(数学) 非线性系统 计算机科学 数学优化 人工神经网络 深层神经网络 人工智能 强化学习 优化算法 数学 数学分析 物理 量子力学 半径 计算机安全
作者
John Schulman,Sergey Levine,Pieter Abbeel,Michael I. Jordan,Philipp Moritz
出处
期刊:International Conference on Machine Learning 卷期号:: 1889-1897 被引量:2928
摘要

In this article, we describe a method for optimizing control policies, with guaranteed monotonic improvement. By making several approximations to the theoretically-justified scheme, we develop a practical algorithm, called Trust Region Policy Optimization (TRPO). This algorithm is effective for optimizing large nonlinear policies such as neural networks. Our experiments demonstrate its robust performance on a wide variety of tasks: learning simulated robotic swimming, hopping, and walking gaits; and playing Atari games using images of the screen as input. Despite its approximations that deviate from the theory, TRPO tends to give monotonic improvement, with little tuning of hyperparameters.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
淡淡梦容发布了新的文献求助10
刚刚
Jomusha完成签到,获得积分10
1秒前
甜甜玫瑰应助科研通管家采纳,获得10
1秒前
田様应助科研通管家采纳,获得10
2秒前
从容芮应助科研通管家采纳,获得10
2秒前
余未晚应助科研通管家采纳,获得20
2秒前
从容芮应助科研通管家采纳,获得10
2秒前
小二郎应助科研通管家采纳,获得10
2秒前
无花果应助科研通管家采纳,获得10
2秒前
从容芮应助科研通管家采纳,获得10
2秒前
Orange应助科研通管家采纳,获得30
2秒前
从容芮应助科研通管家采纳,获得10
2秒前
完美世界应助科研通管家采纳,获得10
2秒前
2秒前
英姑应助科研通管家采纳,获得10
2秒前
FashionBoy应助科研通管家采纳,获得10
3秒前
3秒前
3秒前
飞逝的快乐时光完成签到,获得积分10
3秒前
曾经的听云完成签到 ,获得积分10
3秒前
6秒前
欢喜的慕青完成签到,获得积分10
7秒前
8秒前
9秒前
111关注了科研通微信公众号
9秒前
9秒前
9秒前
10秒前
悦耳的扬完成签到,获得积分20
10秒前
悦耳的扬发布了新的文献求助10
12秒前
Hellolyj应助淡淡梦容采纳,获得10
12秒前
虚心雁菱发布了新的文献求助10
13秒前
dd123完成签到,获得积分10
14秒前
15秒前
15秒前
hang发布了新的文献求助10
16秒前
嘻哈学习发布了新的文献求助10
19秒前
悦之无因完成签到,获得积分10
20秒前
priss111应助Min采纳,获得30
21秒前
22秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161577
求助须知:如何正确求助?哪些是违规求助? 2812863
关于积分的说明 7897487
捐赠科研通 2471775
什么是DOI,文献DOI怎么找? 1316151
科研通“疑难数据库(出版商)”最低求助积分说明 631219
版权声明 602112