Адаптация политик обучения с подкреплением: новый подход к преодолению разрыва между доменами

от

Алгоритм STC обучается в два этапа: сначала моделируется прямая динамика, функция вознаграждения и обратная политика для захвата двунаправленной динамики переходов в целевом домене, а затем, используя данные из исходного и целевого доменов, агент обучения с подкреплением корректирует действия и вознаграждения в исходном домене с помощью обратной политики и, дополнительно, селективно корректирует переходы из исходного домена, чтобы лучше соответствовать целевому.

Исследователи предлагают метод, позволяющий эффективно переносить навыки, полученные в одной среде, в другую, даже при значительных различиях в динамике.

FBTC и NCIQ: Крипто-ETF для тех, кто устал думать

от

Комиссии одинаковые, что, в общем-то, логично. В конце концов, зачем кому-то уступать. Доходности, как видите, тоже не радуют. Но, знаете, я всегда считал, что инвестиции – это как свидание. Никогда не знаешь, чем все закончится.

Прогнозирование временных рядов: новый подход к разложению и моделированию

от

В основе DecompSSM лежит метод декомпозиционного прогнозирования, использующий три ветви GT-SSM для анализа тренда, сезонности и остатков, дополненные вспомогательными задачами, обеспечивающими ортогональность и реконструкцию, при этом ключевым элементом является Gated-Time SSM (GT-SSM) с адаптивным предсказателем шага (ASP), основанным на архитектуре S5 [smith\_s5\_2023].

В статье представлена методика, позволяющая повысить точность прогнозирования многомерных временных рядов за счет адаптивного разложения и учета глобального контекста.