> ML_LITERATURE // FUJIMOTO-2018-ADDRESSING-FUNCTION-APPROXIMATION-ERROR-ACTOR-CRITIC-TD3_v1.0
Addressing Function Approximation Error in Actor-Critic Methods (TD3)
Scott Fujimoto, Herke van Hoof, David Meger · International Conference on Machine Learning (ICML) (2018)
algorithm2018foundationalthirdPartyReproduced
Temel Katkı (Principal Contribution)
Kırpılmış ikili Q-öğrenme, geciktirilmiş politika güncellemeleri ve hedef politika yumuşatması içeren Twin Delayed DDPG (TD3) yöntemini tanıttı.
Operasyonel ve Mühendislik Uygunluğu
task-reinforcement-learning, task-continuous-control için yetkili teorik ve sistem temeli olarak hizmet eder.
Temel Varsayımlar (Assumptions)
- Hedef değerlendirme ortamlarında Markovian durum dinamikleri ve durağan ödül fonksiyonları geçerlidir
Kısıtlar ve Sınırlamalar (Limitations)
- Örneklem verimliliği, keşif kararlılığı ve simülasyondan gerçeğe transfer boşlukları özel ayarlama gerektirir
Bağlantılı Algoritmalar, Mimariler ve Kütüphaneler
İlgili Algoritmalar:
İlgili Mimariler:
Uygulayıcı Kütüphaneler: