Критика памяти-государство для асимметричных актеров-критики с применением к зрительному воздействию
arXiv: 2610,03830v1 Тип уведомления: новое резюме: в частично наблюдаемых процессах принятия решений Марковым оптимальная политика, как правило, зависит от истории наблюдений и прошлых действий. Ассиметричные методы " актер-критика &qt; стали популярными для ознакомления с такой политикой, когда в ходе обучения была получена дополнительная информация, например о подлинном состоянии окружающей среды. Критику, который не нужен при исполнении приговора, предоставляется доступ в государство. Критик, обусловленный одним только государством, в целом является нечетким и дает предвзятые политические градиенты. Критик истории и истории восстанавливает обе стороны. В этом документе мы показываем, что критическая оценка государства и собственной памяти политики, т.е. внутреннего представления истории, с помощью которой политика выбирает свои действия, уже четко определена и дает беспристрастные политические градиенты, устраняя необходимость второго периодического приближения истории. Мы называем это "критиком в памяти". Из этого следует, что крит
