DPR

Actor:

language model

P(at|a0,,at1)=P(at|ct)(1)(1)P(at|a0,…,at−1)=P(at|ct)

category

plan2vec

plan sequences classification

观测序列

o¯=i=1nϕ(oi)(2)(2)o¯=∑i=1nϕ(oi)

根据o¯确定最相似的plan的类别,确定观测序列所属的主题TT,然后在主题T中选出最相似的kk个plan

(3)s¯=TopKSim(pij,o¯)s~=iαisisis¯αi=pio¯ot~=f(o¯,at)st=concatenate(ot~,st~)

E[R1:]E[R1:∞]

E[R1:]θ==E[θlogπ(a|s)(Qπ(s,a)Vπ(s))]E[θlogP(a|s)(Qπ(s,a)aQπ(s,a))](72)∂E[R1:∞]∂θ=E[∂∂θlog⁡π(a|s)(Qπ(s,a)−Vπ(s))](72)=E[∂∂θlog⁡P(a|s)(Qπ(s,a)−∑aQπ(s,a))]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值