概念Reparameterized Monte Carlo Sampling
重参数化蒙特卡洛采样
将随机采样过程转化为可微操作的技术,通过确定性变换保持梯度传播,用于连续动作空间中的概率估计
时间轴 (近 90 天)
11月13日
一项研究提出了一种受PLPG启发的连续配置方法,使用重参数化蒙特卡洛采样估计动作满足投资授权的概率,并将其加入训练目标。
待验证50%
将随机采样过程转化为可微操作的技术,通过确定性变换保持梯度传播,用于连续动作空间中的概率估计
一项研究提出了一种受PLPG启发的连续配置方法,使用重参数化蒙特卡洛采样估计动作满足投资授权的概率,并将其加入训练目标。