Black-box policy search with probabilistic programs
In this work we show how to represent policies as programs: that is, as stochastic simulators with tunable parameters. To learn the parameters of such policies we develop connections between black box variational inference and existing policy search approaches. We then explain how such learning can...
Հիմնական հեղինակներ: | Van De Meent, J, Paige, B, Tolpin, D, Wood, F |
---|---|
Ձևաչափ: | Conference item |
Հրապարակվել է: |
Journal of Machine Learning Research
2016
|
Նմանատիպ նյութեր
-
Output-sensitive Adaptive Metropolis-Hastings for probabilistic programs
: Tolpin, D, և այլն
Հրապարակվել է: (2015) -
Maximum a posteriori estimation by search in probabilistic programs
: Tolpin, D, և այլն
Հրապարակվել է: (2015) -
Bayesian Optimization for Probabilistic Programs
: Rainforth, T, և այլն
Հրապարակվել է: (2016) -
Particle Gibbs with Ancestor Sampling for Probabilistic Programs
: van de Meent, J, և այլն
Հրապարակվել է: (2015) -
Particle Gibbs with ancestor sampling for probabilistic programs
: Meent, J, և այլն
Հրապարակվել է: (2015)