761
个编辑
更改
跳到导航
跳到搜索
第81行：
第81行： − +
→编码器-解码器（Encoder-Decoder）
# '''编码器（后验估计）模型'''：<math>s_t \sim q_\phi(s_t \mid h_t, x_t)</math>。给定真实观测<math>x_t</math>，编码器推断<math>s_t</math>的后验分布。训练时通过重构损失和KL散度正则化校正先验预测。
# '''编码器（后验估计）模型'''：<math>s_t \sim q_\phi(s_t \mid h_t, x_t)</math>。给定真实观测<math>x_t</math>，编码器推断<math>s_t</math>的后验分布。训练时通过重构损失和KL散度正则化校正先验预测。
#
#
# '''观测解码器模型'''： <math>\hat{x}t \sim p\phi(x_t \mid h_t, s_t)</math>。从<math>h_t</math>与<math>s_t</math>解码出<math>x_t</math>，通过最大化观测似然或最小化重构误差进行训练。
# '''观测解码器模型'''： <math>\hat{x}t \sim p_{\phi}(x_t \mid h_t, s_t)</math>。从<math>h_t</math>与<math>s_t</math>解码出<math>x_t</math>，通过最大化观测似然或最小化重构误差进行训练。
#
#
# '''奖励预测模型'''：<math>\hat{r}t \sim p\phi(r_t \mid h_t, s_t)</math>。用以在潜在空间中预测奖励，辅助世界模型训练，并为策略优化提供模拟反馈。
# '''奖励预测模型'''：<math>\hat{r}t \sim p\phi(r_t \mid h_t, s_t)</math>。用以在潜在空间中预测奖励，辅助世界模型训练，并为策略优化提供模拟反馈。