Глубинное обучение с подкреплением на основе модели

Model-Based Policy Optimization (MBPO)

Гибридный алгоритм, использующий краткосрочные модели для генерации синтетических данных, поддерживая при этом набор реальных данных для стабилизации обучения стратегии.

← Назад