Amir-massoud Farahmand

この研究は、SGDの適応トレーニング手法に対する堅牢性の利点を示している。

エージェントのパフォーマンスを向上させるために、価値の過大評価とプライマシーバイアスに対処する。

新しい手法が価値反復の速度と安定性を向上させる。