性能大涨20%！中科大「状态序列频域预测」方法：表征学习样本效率max

强化学习算法（Reinforcement Learning, RL）的训练过程往往需要大量与环境交互的样本数据作为支撑。然而，现实世界中收集大量的交互样本通常成本高昂或者难以保证样本采集过程的安全性，例如无人机空战训练和自动驾驶训练。 为了提升强化学习算...