André Biedenkapp

この論文は、コンテキスト強化学習を通じてエージェントの新しい環境への適応力を高めるんだ。

連続ポリシーは、相互に関連する選択肢を持つダイナミックアルゴリズム設定でのパフォーマンスを向上させるよ。