LEARNING INVARIANT REPRESENTATIONS FOR REINFORCEMENT LEARNING WITHOUT RECONSTRUCTION

技术LEARNING INVARIANT REPRESENTATIONS FOR REINFORCEMENT LEARNING WITHOUT RECONSTRUCTION LEARNING INVAR

无重构强化学习的学习不变表示

发表时间:,文章要点:2021(ICLR 2021)本文想说的是,在状态中其实有很多与任务无关的事情,如果我们用重建这样的方式去做,还是会被考虑的。本文提出用互模拟度量来表示,使潜在空间中的状态间距离等于互模拟度量。具体来说,互模拟度量的思想是,两个状态之间的距离应该是奖励和状态转换之间的差异,所以如果不考虑其他事情,它自然不会包含与任务无关的表示。具体来说,互模拟度量被定义为。

具体到算法上,有一个编码器把状态带入潜在空间,然后基于潜在空间的状态对其进行训练和强化,比如SAC。这个互模拟度量用于训练编码器,直到算法丢失。

这里,z是通过编码器后潜在空间中的状态,r是奖励,p是状态转移。如果是随机跃迁,则考虑高斯分布。这意味着我从缓冲区中寻找两个状态,然后使这两个状态之间的距离与R和p之间的间隙相同。

其实这里的动态P也是要训练的,相当于基于模型的方法,这样就可以计算出j中的P。总的来说,总结:提出了一种表示方法,不考虑与任务无关的事情,提高了稳定性和泛化能力。有道理,但是你要连续训练三个东西,不是很容易训练的。另外里面写了几个定理,感觉和实验关系不大。如果我在疑问:,用目标检测、语义分割、实例分割等技术直接排除无关对象,是会更直接还是很难判断某件事是否无关,所以很难做到?

如果一个对象在训练编码器时被认为是无关的,然后在测试环境中对象实际上是相关的,那么编码器的通用性是不是直接丧失了?

内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/62058.html

(0)

相关推荐

  • 霹雳的意思是什么,霹雳有什么诗号让人印象深刻

    技术霹雳的意思是什么,霹雳有什么诗号让人印象深刻一直以来《霹雳布袋戏》就深受大家的喜爱是因为它深入人心的角色,精彩的剧情。里面快意恩仇,肝胆相照,智冠群伦的智者,刀狂剑痴,心中唯有剑的柳生剑影,美丽的月神,视钱如命的杀手

    生活 2021年10月19日
  • redis学习笔记,详细)——高级篇

    技术redis学习笔记,详细)——高级篇 redis学习笔记(详细)——高级篇redis学习笔记(详细)——初级篇 redis学习笔记(详细)——高级篇 redis配置文件介绍linux环境下配置大于编

    礼包 2021年11月11日
  • 技盖至此乎,成语游刃有出自寓言故事,)

    技术技盖至此乎,成语游刃有出自寓言故事,)成语游刃有出自寓言故事(庖丁解牛技盖至此乎,游刃有余)庖丁解牛 ( páo dīng jiě niú ) 庖丁:名叫丁的厨师;解:肢解分割。比喻经过反复实践,掌握了事物的客观规律

    生活 2021年10月20日
  • 赞美柳树的句子最短的,咏柳中借柳树赞美春天的句子

    技术赞美柳树的句子最短的,咏柳中借柳树赞美春天的句子《咏柳》一诗中,借描写柳树,歌颂春天,赞美了大自然呈现出的勃勃生机赞美柳树的句子最短的。原文:咏柳唐 贺知章碧玉妆成一树高,万条垂下绿丝绦。不知细叶谁裁出,二月春风似剪

    生活 2021年10月22日
  • 怎么解决异机恢复PDB后出现的ORA-65294错误

    技术怎么解决异机恢复PDB后出现的ORA-65294错误这篇文章主要介绍“怎么解决异机恢复PDB后出现的ORA-65294错误”,在日常操作中,相信很多人在怎么解决异机恢复PDB后出现的ORA-65294错误问题上存在疑

    攻略 2021年11月3日
  • TestComplete中如何使用VBScript脚本实现对容器控件中子对象的遍历

    技术TestComplete中如何使用VBScript脚本实现对容器控件中子对象的遍历这篇文章给大家分享的是有关TestComplete中如何使用VBScript脚本实现对容器控件中子对象的遍历的内容。小编觉得挺实用的,

    攻略 2021年11月1日