-
最近の投稿
- Sim-and-Real Co-Training: A Simple Recipe for Vision-Based Robotic Manipulation
- Non-Determinism of ‘Deterministic’ LLM Settings
- Low-resource Machine Translation: what for? who for? An observational study on a dedicated Tetun language translation service
- TeleAntiFraud-28k: An Audio-Text Slow-Thinking Dataset for Telecom Fraud Detection
- Mr. DETR: Instructive Multi-Route Training for Detection Transformers
-
最近のコメント
表示できるコメントはありません。 cs.AI (35981) cs.CL (27219) cs.CR (2743) cs.CV (41828) cs.LG (40950) cs.RO (21217) cs.SY (3206) eess.IV (4914) eess.SY (3200) stat.ML (5368)
「68T05(Primary)」カテゴリーアーカイブ
Multi-State TD Target for Model-Free Reinforcement Learning
要約 時間差分 (TD) 学習は、TD ターゲットを使用して状態または状態とアク … 続きを読む
カテゴリー: 68T05(Primary), cs.AI, cs.LG
Multi-State TD Target for Model-Free Reinforcement Learning はコメントを受け付けていません