离散变量、连续变量、铁路维护的POMDP问题中，本文提出Deep Belief Markov Model（DBMM），通过神经网络和变分推断实现模型无关的信念推断，显著提升强化学习性能。 本文提出了一种名为“Deep Belief Markov Model（DBMM）”的新模型，旨在解决部分可观测马尔可夫决策 ...