LEARNING
基于多时间尺度学习的性能驱动环境抽象
Yue Guan, Dipankar Maity, Panagiotis Tsiotras
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出一种性能驱动的环境抽象方法，通过聚合状态空间并强制共享动作分布来直接优化决策质量。基于多时间尺度强化学习框架，算法能根据Q值差异自适应细化或粗化状态空间分区，在压缩状态的同时提升样本效率和规划速度。
关键词
reinforcement learningstate abstractionmulti-timescaleperformance-drivenMarkov decision process
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018