難以從多步探究中繼續(xù)獲益。能夠經(jīng)過自動探究與糾錯
，REIN-EAD在多個使命中明顯下降了進(jìn)犯成功率，沿時刻步反傳梯度要求狀況搬運(yùn)函數(shù)和調(diào)查函數(shù)有必要具有可微分性，

△表1：人臉辨認(rèn)使命中逃逸和扮演兩種進(jìn)犯方針下的成果

人臉辨認(rèn)使命中，

（2）引進(jìn)依據(jù)累計(jì)信息探究的強(qiáng)化學(xué)習(xí)辦法以優(yōu)化自動戰(zhàn)略

為進(jìn)步REIN-EAD的戰(zhàn)略學(xué)習(xí)才能 ，REIN-EAD完成了對立防護(hù)進(jìn)程中的“感知—決議計(jì)劃—舉動”一體化：

在每一時刻挑選長時刻最優(yōu)的交互動作 ，

△圖2 ：貪婪信息探究或許導(dǎo)致重復(fù)探究

第二 ，

首要 ，學(xué)習(xí)人類大腦支撐運(yùn)動視覺的工作辦法，緩解對立進(jìn)犯帶來的錯覺 。迭代收集信息并增強(qiáng)本身魯棒性的才能 。明顯進(jìn)步了體系面臨不知道進(jìn)犯時的辨認(rèn)與呼應(yīng)才能。REIN-EAD的中心在于運(yùn)用環(huán)境交互與戰(zhàn)略探究，并進(jìn)一步剖析了累積信息戰(zhàn)略比較貪婪信息戰(zhàn)略的功能優(yōu)勝性
。論文在練習(xí)REIN-EAD模型之前引進(jìn)了OAPA，4）。試驗(yàn)成果標(biāo)明：REIN-EAD在反抗多種不知道和自適應(yīng)進(jìn)犯下表現(xiàn)出明顯優(yōu)于現(xiàn)有被迫防護(hù)辦法的功能 。結(jié)合猜測丟失和熵正則化項(xiàng)，經(jīng)過一系列與環(huán)境的相互作用，補(bǔ)丁形狀、引進(jìn)不確定性感知機(jī)制以驅(qū)動信息性探究。

場景 下的交互進(jìn)程用 標(biāo)明