【摘 要】
：
An off-policy Bayesian nonparameteric approximate reinforcement learning framework,termed as GPQ,that employs a Gaussian processes(GP)model of the value(Q)funct
【机 构】
：
Oklahomas State University; Duke University; Massachusetts Institute of Technology;
【出 处】
：
IEEE/CAA Journal of Automatica Sinica
论文部分内容阅读
An off-policy Bayesian nonparameteric approximate reinforcement learning framework,termed as GPQ,that employs a Gaussian processes(GP)model of the value(Q)function is presented in both the batch and online settings.Sufficient conditions on GP hyperparameter selection are established to guarantee convergence of off-policy GPQ in the batch setting,and theoretical and practical extensions are provided for the online case.Empirical results demonstrate GPQ has competitive learning speed in addition to its convergence guarantees and its ability to automatically choose its own bases locations.
其他文献
本文通过探讨妊娠期糖尿病饮食调节的临床效果,得出结论:加强饮食调节,有助于控制患者的血糖,减少糖尿病对孕妇、胎儿的影响。
古希腊雕塑艺术蕴含着丰厚的美学思想。古希腊时期雕塑作品的风格,可以划分为早期古典主义时期、成熟古典主义时期和希腊化时期。与此相对应,古希腊的美学观念也发生着变迁。
自动获取曲线间的中心线在地理信息系统、机助制图等方面有着较为广泛的应用.在分析中心线性质基础上,提出一种基于矢量方法的中心线生成算法--单位圆滚动追踪法,阐述算法的
分析了 ZJ50LDB 型钻机转盘独立驱动装置电机配置的技术性能，并进行了相关计算、校核，提出改造方案，对改造方案进行了可行性论证。为转盘独立驱动装置进行技术改造和相关新钻机
背诵不仅仅是学习方法,也是一种文化,它源远流长地存在于我们中华民族中.背诵是传承文化、记忆知识、陶冶情操、修身正行所不可或缺的.
随着时间的推移和时代的不断改革创新,国内的社会经济得到了比较充分的发展,在这种发展状态之下,社会各项工作当中都产生了一定的新技术,并且随着时间的推移,这些技术还取得
妊娠期糖尿病和和妊娠期糖耐量降低是妊娠中晚期常见的并发症，可引起巨大儿、胎儿畸形、新生儿低血糖等，并增加难产的机会。1998年1月-2004年12月，采用单纯饮食控制妊娠期糖尿病
静态显示标识是客运信息系统的重要组成部分,设计功能完整、使用高效、设置科学、视觉美观、与环境协调、符合建筑风格、具备铁路客站现代化管理要求的铁路客站导向标识系统,
面向突发事件研究政务微博传播影响力评价问题,为政务微博提升信息发布、舆情应对效能提供理论基础和实践指导。基于传播要素,构建由传播主体行为、传播受众行为、传播互动行
从不完整的数据推断完整有效的数据,继而对原始数据给出可靠的分析是一个重要的数学问题。根据低秩矩阵填充算法,提出一种融合癌细胞系基因表达数据相似性信息的低秩矩阵填充