计算智能和神经科学
研究文章

有效的强化学习从演示通过贝叶斯网络知识提取

图10

累计奖励(平均 标准差和500的发布)的RLBNK-switch RLBNK-concat培训政策和培训PPO基线政策当扰动CartPole测试任务。情节显示每个策略的干扰强度的性能 。