Improving the Performance of Batch-Constrained Reinforcement Learning in Continuous Action Domains via Generative Adversarial Networks

The Batch-Constrained Q-learning algorithm is shown to overcome the extrapolation error and enable deep reinforcement learning agents to learn from a previously collected fixed batch of transitions. However, due to conditional Variational Autoencoders (VAE) used in the data generation module, the BC...

Celý popis

Podrobná bibliografie

Vydáno v:	2022 30th Signal Processing and Communications Applications Conference (SIU) s. 1 - 4
Hlavní autoři:	Saglam, Baturay, Dalmaz, Onat, Gonc, Kaan, Kozat, Suleyman S.
Médium:	Konferenční příspěvek
Jazyk:	angličtina turečtina
Vydáno:	IEEE 15.05.2022
Témata:	Aerospace electronics batch-constrained reinforcement learning Deep learning deep reinforcement learning Employment Extrapolation offline re-inforcement learning Q-learning Signal processing Signal processing algorithms
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!