Optimistic Sampling Strategy for Data-Efficient Reinforcement Learning

A high required number of interactions with the environment is one of the most important problems in reinforcement learning (RL). To deal with this problem, several data-efficient RL algorithms have been proposed and successfully applied in practice. Unlike previous research, that focuses on optimal...
Ausführliche Beschreibung

Gespeichert in:
Autor*in:

Dongfang Zhao [verfasserIn]

Jiafeng Liu [verfasserIn]

Rui Wu [verfasserIn]

Dansong Cheng [verfasserIn]

Xianglong Tang [verfasserIn]

Format:

E-Artikel

Sprache:

Englisch

Erschienen:

2019

Schlagwörter:

Reinforcement learning

information entropy

optimistic sampling

data efficiency

Übergeordnetes Werk:

In: IEEE Access - IEEE, 2014, 7(2019), Seite 55763-55769

Übergeordnetes Werk:

volume:7 ; year:2019 ; pages:55763-55769

Links:

Link aufrufen
Link aufrufen
Link aufrufen
Journal toc

DOI / URN:

10.1109/ACCESS.2019.2913001

Katalog-ID:

DOAJ047339632

Nicht das Richtige dabei?

Schreiben Sie uns!