强化学习-探索-自监督- Action and Perception as Divergence Minimization

x是过去和未来的历史,z是某个隐变量

那么什么是z呢?可以是很多东西,某种程度这是一个框架

Unified perspective on representation learning, infogain exploration, and empowerment

某种程度上讲,可能最快的学习就是这俩分布的最优传输吧?

 

未完待续

  • 10
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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