基于价值斜坡的学习
机器学习
2017-04-25 v2
摘要
我们研究一种基于形成斜坡直觉的学习原理。智能体试图遵循递增的价值序列，直到遇到奖励峰值。由此产生的价值斜坡(Value-Ramp)算法自然、易于配置，并且能用自然数进行鲁棒实现。
引用
@article{arxiv.1608.03647,
title = {Learning with Value-Ramp},
author = {Tom J. Ameloot and Jan Van den Bussche},
journal= {arXiv preprint arXiv:1608.03647},
year = {2017}
}
备注
Version 2: fixed notation in definition of transition + clarified a sentence in the Introduction