QR код

M0RV Model: Advancing the MuZero Algorithm Through Strategic Data Optimization Reuse and Value Function Refinement

This paper introduces a model, M0RV, that improves the MuZero algorithm through data reuse and loss function optimization. It proposes reusing training trajectories generated by Monte Carlo Tree Search (MCTS) after filtering through an evaluation function trace into the training process, and on this...

Бүрэн тодорхойлолт

-д хадгалсан:
Номзүйн дэлгэрэнгүй
Үндсэн зохиолчид: Xuejian Chen, Yang Cao, Hongfei Yu, Caihua Sun
Формат: Artigo
Хэл сонгох:Inglês
Хэвлэсэн: IEEE 2024-01-01
Цуврал:IEEE Access
Нөхцлүүд:
Онлайн хандалт:https://ieeexplore.ieee.org/document/10648685/
Шошгууд: Шошго нэмэх
Шошго байхгүй, Энэхүү баримтыг шошголох эхний хүн болох!