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7

比较RLBNK-switch RLBNK-concat基线PPO, DQfD、政策专家,和纯粹的模仿学习下正常的奖励设置。情节展示训练性能集的数量。(一)CartPole。(b)捕手。(c) FlappyBird。