跳到主要内容
检索

# Spectral-SF谱后继特征方法

1 篇关联报道

订阅更新
  1. arXiv

    网格细胞当作后继特征的谱基:目标一换,智能体靠一次线性回归就重新适应

    持续强化学习里,后继特征把环境动态与任务奖励分开,但特征基选得不好就得随任务重学。Spectral-SF 把基取成固定参考策略转移矩阵的特征向量,使每个后继特征等于对应基特征乘以一个已知常数,长期回报因此与即时奖励共用同一组特征,无需后继特征网络或回放缓冲。在含两个目标的网格世界中,以均匀随机游走为参考策略的 Spectral-SF 在每次目标切换后都维持接近最高的回报,而 SimpleSF 与 DQN 在每次切换时丢掉大部分回报。

已读完全部报道