बैच कंस्ट्रेंड क्यू-लर्निंग (BCQ)

बैच कंस्ट्रेंड क्यू-लर्निंग (BCQ)

ऑफ़लाइन रीइन्फोर्समेंट लर्निंग एल्गोरिदम जो एक्सट्रपोलेशन एरर से बचने के लिए प्रशिक्षण डेटासेट में देखे गए कार्यों के करीब रहने के लिए नीतियों को बाधित करता है। BCQ बैच के समान कार्यों का उत्पादन करने के लिए एक्शन जनरेटर मॉडल का उपयोग करता है, जबकि मामूली विविधताओं का पता लगाता है।

← पीछे