【摘 要】
：
针对强化学习中探索和利用之间的平衡控制问题,提出了一种基于信息熵的强化学习算法。该算法利用信息熵的概念,定义了一种新的状态重要性测度,度量了状态与目标之间的关联程
论文部分内容阅读
针对强化学习中探索和利用之间的平衡控制问题,提出了一种基于信息熵的强化学习算法。该算法利用信息熵的概念,定义了一种新的状态重要性测度,度量了状态与目标之间的关联程度,据此设计了一种探索机制,用于自适应调节学习过程中探索和利用之间的平衡;通过设置可变测度阈值的方法,对状态空间进行自主删减,最终生成合适的、规模较小的状态空间,从而大大节约了计算资源,提高了学习速度。仿真结果表明,所提算法具有较好的学习性能。
其他文献
刑事证明标准理论首先要求根据所要证明罪行轻重的不同,适用不同的证明标准。在死刑案件中,当控方证明无法达到"排除一切可能性"标准时,需要通过降低对被告人权益的剥夺程度,
员工满意度调查是企业了解员工思想动态的一种工具,其目的在于通过对员工工作涉及的各项影响因素的调查,分析找出导致员工工作效率低下等问题的关键原因,掌握员工当前的思想
重视"语词"的"命名"(Called)是从圣经首章《创世记》到《约翰福音》的重要主题。在《创世记》中,语词的命名就是存在的显现和万物的出场,从上帝为世界命名到人为万物命名,显
苏霍姆林斯基的劳动教育是个性全面和谐发展的基础,劳动教育可与不同方面的教育结合,让学生更深刻地体会劳动的意义。此外,劳动不仅包括体力劳动,而且还包括脑力劳动。教师带
文章阐述了哈尔滨站及哈尔滨西站改造中设计步骤、施工步骤、接触网过渡设计方案和注意要点。针对接触网改造设计及施工的基本步骤、过渡设计方案和注意要点进行重点分析,并
阐述非言语交际是交际的重要组成部分,每种文化都有其独特的非言语交际系统。指出非言语交际在跨文化交际中的重要性,比较了中英非言语交际差异及其语言表达差异。
预设不仅是语义、语用层面的语言现象,更是依靠语境和话语参与者对对方的心理、认知状态的相互假定,而被掌握并运用到话语的理解与生成之中去的一种修辞现象。在对文本的解读
钢琴诞生于18世纪的欧洲,迄今为止,已有300多年发展历史,但直到20世纪才得以在全球流行开来。较之于西方国家,我国的钢琴音乐教育,虽然起步较晚,但目前已取得了一定的成就。
为建立一种QuEChERS预处理样品,气相色谱质谱联用技术测定草莓中嘧菌环胺的分析方法,采用乙腈提取草莓中的嘧菌环胺,提取液经无水硫酸镁、无水醋酸钠、N-丙基乙二胺（PSA）和十八
金融行业是一个高风险行业,金融风险伴随着金融制度建立与发展而存在,而越来越多的案件与风险事件的发生,彰显了风险内控在银行经营发展中的重要性。运营部门作为“三道防线