结合归一化流的跳扩散控制框架
热点事件持续更新
结合归一化流的跳扩散控制框架
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Liya Guo等作者提出结合条件归一化流的连续时间 Actor-Critic 框架，用于求解带跳跃的控制问题和随机博弈，作为熵正则化问题的无网格求解器。 该框架用条件归一化流参数化策略，可表示非高斯策略并精确计算似然。作者在多类控制与投资组合任务中的实验显示，该方法能处理跳跃带来的不连续性，并随问题维度和智能体数量扩展。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
结合归一化流的跳扩散控制连续时间 Actor-Critic 框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning结合归一化流的跳扩散控制连续时间 Actor-Critic 框架
研究提出一种面向时间非齐次跳扩散控制与随机博弈的连续时间 Actor-Critic 框架，用作熵正则化问题的无网格求解器。该方法以条件归一化流参数化 actor，可表示灵活的非高斯策略，并保留精确似然评估。在线性二次控制、Merton 投资组合优化和多智能体投资组合博弈中，框架能稳定应对跳跃不连续性、准确逼近最优随机策略，并随维度和智能体数量呈现良好扩展性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。