LEARNING
基于动态的表示不一致性与离线强化学习的隐式约束
Chen Y, Zhang T, Li T, Chen J, Wang D
- 发表年份
- 2026
- 期刊
- Neural networks : the official journal of the International Neural Network Society
摘要
该论文探讨了离线强化学习中由动态变化导致的表示不一致性问题，并提出了利用隐式约束来提升学习稳定性和性能的方法。通过理论分析和实验验证，该方法在多个机器人任务上表现出显著改进。
关键词
offline reinforcement learningrepresentation inconsistencyimplicit constraintsdynamicsrobotics
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