Your Location：
Home >
Browse articles >
综述：强化学习中的领域适应
常规文章 | Updated：2025-02-25
|

    • 综述：强化学习中的领域适应

      Enhanced Publication

    • Domain adaptation in reinforcement learning: a comprehensive and systematic study

    • 信息与电子工程前沿（英文）   2024年25卷第11期 页码：1446-1465

    • DOI：10.1631/FITEE.2300668    

      中图分类号： TP391

    • 收稿日期：2023-10-01，

      录用日期：2024-03-18，

      纸质出版日期：2024-11

    Scan QR Code

  • Amirfarhad FARHADI, Mitra MIRZAREZAEE, Arash SHARIFI, 等. 综述：强化学习中的领域适应[J]. 信息与电子工程前沿（英文）, 2024,25(11):1446-1465. DOI： 10.1631/FITEE.2300668.

    Amirfarhad FARHADI, Mitra MIRZAREZAEE, Arash SHARIFI, et al. Domain adaptation in reinforcement learning: a comprehensive and systematic study[J]. Frontiers of information technology & electronic engineering, 2024, 25(11): 1446-1465. DOI： 10.1631/FITEE.2300668.

  •  
  •  

0

浏览量

81

Downloads

0

CSCD

PlumX

>
文章被引用时，请邮件提醒。
Submit
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

Multi-agent reinforcement learning behavioral control for nonlinear second-order systems
An anti-collision algorithm for robotic search-and-rescue tasks in unknown dynamic environments
Towards sustainable adversarial training with successive perturbation generation
Advances and challenges in artificial intelligence text generation
Embedding expert demonstrations into clustering buffer for effective deep reinforcement learning

相关作者

张祯毅
黄捷
潘聪捷
陈洋
史殿习
杨焕焕
李彤月
王震

相关机构

福州大学5G+工业互联网研究院
福州大学电气工程与自动化学院
国防科技大学计算机学院
智能博弈与决策实验室
（滨海）人工智能创新中心
0