Batch Constrained Q-learning (BCQ)

Оценка неопределенности

Количественная оценка неопределенности, связанной с оценками ценности действий, не наблюдаемых в пакете. Точная оценка неопределенности позволяет штрафовать действия вне распределения и улучшать робастность.

← Назад