研究者提出选择性增长Q网络SGQN
热点事件持续更新
研究者提出选择性增长Q网络SGQN
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Parham Nooranbakht 等研究者提出 Selective Growing Q-Networks（SGQN），保留解耦 Q-Learning，但用自适应动作网格替代原有的均匀增长方式。 其具体做法是：在高估计 Q 值的分箱旁增加新分箱，剪除低 Q 值分箱，并以 epsilon-greedy 方式选择动作。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
Selective Growing Q-Networks（SGQN）：解耦 Q-Learning 中自适应动作网格的分析报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGSelective Growing Q-Networks（SGQN）：解耦 Q-Learning 中自适应动作网格的分析
研究者提出 Selective Growing Q-Networks（SGQN），在解耦 Q-Learning 中用自适应动作网格替代均匀增长：在高 Q 值分箱旁增加分箱、剪除低 Q 值分箱，并以 epsilon-greedy 选动作。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。