initial_h

摘要：  **发表时间：**2019 (IJCAI 2019) **文章要点：**这篇文章提出experience rep 阅读全文

摘要：  **发表时间：**2016（IROS 2016） **文章要点：**这篇文章提出了experience repl 阅读全文

摘要：  **发表时间：**2015（Deep Reinforcement Learning Workshop, NIPS 阅读全文

摘要：  **发表时间：**2018（AAAI 2018） **文章要点：**这篇文章想解决强化学习在学多个任务时候的遗忘 阅读全文

摘要：  **发表时间：**2021 **文章要点：**这篇文章主要是设计了一个用来做experience replay的框 阅读全文

摘要：  **发表时间：**2022（ICLR 2022） **文章要点：**这篇文章指出根据TD error来采样是低效的 阅读全文

摘要： **发表时间：**2021 (NeurIPS 2021) **文章要点：**理论表明，更高的hindsight TD error，更加on policy,以及更准的target Q value的样本应该有更高的采样权重（The theory suggests that data with highe 阅读全文

摘要：  **发表时间：**2020 (NeurIPS 2020) **文章要点：**这篇文章提出了Diversity v 阅读全文

摘要：  **发表时间：**2022（ICLR 2022） **文章要点：**这篇文章想说Q网络通常会存在under- or 阅读全文

摘要： **发表时间：**2019（ICML 2019） **文章要点：**这篇文章想说如果replay的经验和当前的policy差别很大的话，对更新是有害的。然后提出了Remember and Forget Experience Replay (ReF-ER)算法，（1）跳过那些和当前policy差别很大 阅读全文

摘要：  **发表时间：**2021（ICLR 2021） **文章要点：**这篇文章想说，之前的experience r 阅读全文

摘要：  **发表时间：**2020 **文章要点：**这篇文章提出了Prioritized Sequence Exper 阅读全文

摘要：  **发表时间：**2020（ICML2020） **文章要点：**这篇文章研究了experience repla 阅读全文

摘要：  **发表时间：**2021 **文章要点：**这篇文章想说Prioritized experience repla 阅读全文

摘要：  **发表时间：**2021（ICML 2021） **文章要点：**这篇文章提出一个更新policy的方式，结合 阅读全文