- 博客(4)
- 收藏
- 关注
RSS订阅原创 扩散强化学习SOTA算法DACER技术特点解读 NeurIPS24
这种现象的动力学本质可建模为一类特殊构造的郎之万过程，其核心特征在于去噪神经网络的参数更新方向被约束在Q函数梯度场的上升路径上，这与传统DDPM通过数据分布还原驱动的去噪机制形成根本性区别[4]。值得注意的是，相较于经典郎之万动力学中利用能量函数的导数来学习得分函数[5]，最大化Q值的目标函数展现出更优越的全局优化特性——尽管得分函数在多模态场景下具备更强的局部寻优能力，但基于最大化Q值的收敛策略最终能突破局部极值约束，在策略性能上实现显著超越。最后，使用估计的熵来平衡扩散策略在训练过程中的探索与利用。
2025-04-20 13:16:58
1079
转载 NeurIPS 2024 | DACER：扩散模型与在线强化学习强强联合创造新SOTA
本研究中我们提出了一种基于扩散模型的在线强化学习算法 DACER（Diffusion Actor-Critic with Entropy Regulator），旨在克服传统强化学习方法在策略参数化中使用高斯分布的局限性。通过利用扩散模型的反向去噪过程，DACER能够有效地学习多模态分布，使得创建更复杂的策略并提高策略性能成为可能。一个显著的挑战来自于缺乏解析表达式来确定扩散策略的熵，使其难以与最大熵强化学习结合，导致性能不佳。
2025-02-27 10:09:38
135
原创 NeurIPS 2024 | DACER：扩散模型与在线强化学习强强联合创造新SOTA
本研究中我们提出了一种基于扩散模型的在线强化学习算法 DACER（Diffusion Actor-Critic with Entropy Regulator），旨在克服传统强化学习方法在策略参数化中使用高斯分布的局限性。通过利用扩散模型的反向去噪过程，DACER能够有效地学习多模态分布，使得创建更复杂的策略并提高策略性能成为可能。一个显著的挑战来自于缺乏解析表达式来确定扩散策略的熵，使其难以与最大熵强化学习结合，导致性能不佳。
2024-12-29 12:14:01
1604
原创 【How to learn AI】
第8章介绍带模型的近似动态规划（ADP）方法，包括无穷时域的ADP、有限时域的ADP、ADP与MPC的联系与区别等。第10章介绍深度强化学习（DRL），即以神经网络为载体的RL，包括神经网络的原理与训练，深度化挑战以及DQN、DDPG、TD3、TRPO、PPO、DSAC等典型深度化算法。这玩意儿怎么运行的？可以非常好的学习机器学习基础的内容~ But 说实话机器学习基础的课程一直没有找到好的，现在在上软件学院龙名盛老师的机器学习课程，感觉是目前讲得最好的！的知识，而这些是大一大二的必修课程！
2023-11-11 22:03:45
2066
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人