LEARNING
SafeExplorer：一种用于强化学习与恢复干预的无偏策略梯度方法
Elham Daneshmand, Majid Khadiv, Glen Berseth, Hsiu-Chin Lin
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种无偏策略梯度方法SafeExplorer，用于解决强化学习训练中因恢复干预导致的策略更新偏差问题。该方法通过仅在安全时间步使用得分函数，避免了恢复策略密度估计的难题，在确定性恢复策略下仍保持有效性。
关键词
reinforcement learningsafe explorationpolicy gradientrecovery policybias correction
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018