Efficient Sample Reuse in Policy Gradients with Parameter-based Exploration

• Tingting ZHAO

• Hirotaka HACHIYA

• Masashi SUGIYAMA

Bibliographic Information

Other Title

• 情報論的学習理論と機械学習
• ジョウホウロンテキ ガクシュウ リロン ト キカイ ガクシュウ

Journal

• 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報

  電子情報通信学会技術研究報告 = IEICE technical report : 信学技報 111 (480), 55-62, 2012-03

  東京 : 電子情報通信学会

Keywords

• Reinforcement Learning
• Policy gradients
• Optimal Baseline
• Importance sampling
• Sample reuse

Details

• CRID: 1520572358373652352
• NII Article ID: 110009545976
• NII Book ID: AA1123312X
• ISSN: 09135685
• NDL BIB ID: 023569938
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I023569938
• Text Lang: en
• NDL Source Classification:
  • ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
• Data Source:
  • NDL
  • CiNii Articles