Reinforcement learning using expectation maximization based guided policy search for stochastic dynamics

Guided policy search algorithms have been proven to work with incredible accuracy not only for controlling complicated dynamical systems, but also in learning optimal policies from exploration of various unseen instances. This paper deals with a trajectory optimization problem for an unknown dynamic...

Celý popis

Uložené v:
Podrobná bibliografia
Vydané v:Neurocomputing (Amsterdam) Ročník 484; s. 79 - 88
Hlavní autori: Mallick, Prakash, Chen, Zhiyiong, Zamani, Mohsen
Médium: Journal Article
Jazyk:English
Vydavateľské údaje: Elsevier B.V 01.05.2022
Predmet:
ISSN:0925-2312, 1872-8286
On-line prístup:Získať plný text
Tagy: Pridať tag
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
Buďte prvý, kto okomentuje tento záznam!
Najprv sa musíte prihlásiť.