亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Policy Gradient Methods for Reinforcement Learning with Function Approximation

强化学习 贝尔曼方程 功能(生物学) 函数逼近 可微函数 数学优化 价值(数学) 计算机科学 应用数学 数学 人工智能 人工神经网络 机器学习 数学分析 进化生物学 生物
作者
Richard S. Sutton,David McAllester,Satinder Singh,Yishay Mansour
出处
期刊:Neural Information Processing Systems 卷期号:12: 1057-1063 被引量:4982
摘要

Function approximation is essential to reinforcement learning, but the standard approach of approximating a value function and determining a policy from it has so far proven theoretically intractable. In this paper we explore an alternative approach in which the policy is explicitly represented by its own function approximator, independent of the value function, and is updated according to the gradient of expected reward with respect to the policy parameters. Williams's REINFORCE method and actor--critic methods are examples of this approach. Our main new result is to show that the gradient can be written in a form suitable for estimation from experience aided by an approximate action-value or advantage function. Using this result, we prove for the first time that a version of policy iteration with arbitrary di#erentiable function approximation is convergent to a locally optimal policy. Large applications of reinforcement learning (RL) require the use of generalizing function approxima...
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
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
20秒前
羽羊周周发布了新的文献求助10
26秒前
小蘑菇应助mmyhn采纳,获得10
30秒前
bkagyin应助科研通管家采纳,获得10
35秒前
38秒前
清脆元冬完成签到,获得积分10
38秒前
羽羊周周完成签到,获得积分10
38秒前
肉肉发布了新的文献求助10
45秒前
时尚的青易完成签到,获得积分10
51秒前
雾是从雪完成签到,获得积分20
1分钟前
蟹bro完成签到,获得积分10
1分钟前
1分钟前
泥豪泥嚎完成签到,获得积分10
1分钟前
sxc发布了新的文献求助10
1分钟前
研友_ZlPolZ完成签到 ,获得积分10
1分钟前
1分钟前
洁净的文涛完成签到,获得积分10
1分钟前
酷波er应助幽默代丝采纳,获得10
1分钟前
小蘑菇应助雾是从雪采纳,获得10
1分钟前
罗赛应助1111采纳,获得10
1分钟前
SciGPT应助肉肉采纳,获得10
1分钟前
何同学完成签到,获得积分10
1分钟前
俏皮的莫言完成签到,获得积分10
1分钟前
Sunvo完成签到,获得积分10
1分钟前
daixan89完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
幽默代丝发布了新的文献求助10
2分钟前
淡然的眼神完成签到,获得积分10
2分钟前
2分钟前
田様应助科研通管家采纳,获得10
2分钟前
SciGPT应助科研通管家采纳,获得10
2分钟前
彭于晏应助科研通管家采纳,获得10
2分钟前
2分钟前
TaDLove发布了新的文献求助10
2分钟前
土豪的飞荷完成签到 ,获得积分10
2分钟前
欣慰的代桃完成签到,获得积分10
3分钟前
完美世界应助TaDLove采纳,获得10
3分钟前
三尺微命完成签到 ,获得积分10
3分钟前
无语的巨人完成签到 ,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Health Psychology 600
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
Discerning Saints: Moralization of Intrinsic Motivation and Selective Prosociality at Work 500
Handbuch Trainingswissenschaft – Trainingslehre 500
Additive Manufacturing Design and Applications (ASM Handbook, Volume 24A) 500
Variations: A More Diverse Picture of Contemporary Art 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7591684
求助须知:如何正确求助?哪些是违规求助? 9168990
关于积分的说明 19625812
捐赠科研通 7170320
什么是DOI,文献DOI怎么找? 3267461
关于科研通互助平台的介绍 2432336
邀请新用户注册赠送积分活动 2259888