PulseAugur
中
实时 12:58:52
English(EN) Posterior Sampling Reinforcement Learning with Gaussian Processes for Continuous Control: Sublinear Regret Bounds for Unbounded State Spaces

新的GP-PSRL算法在连续控制中实现了次线性遗憾界

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的高斯过程后验采样强化学习（PSRL）理论框架，专门解决无界状态空间中的连续控制问题。提出的GP-PSRL算法实现了$\widetilde{\mathcal{O}}(H\sqrt{\gamma_TT})$的贝叶斯遗憾界，解决了先前理论工作的局限性。这一进展为分析复杂环境中的PSRL提供了更强的理论基础。 AI

影响 为复杂、无界环境中的强化学习算法提供了理论基础。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种新算法和理论分析。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GP-PSRL算法在连续控制中实现了次线性遗憾界

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Hamish Flynn, Joe Watson, Ingmar Posner, Jan Peters ·

    Posterior Sampling Reinforcement Learning with Gaussian Processes for Continuous Control: Sublinear Regret Bounds for Unbounded State Spaces

    arXiv:2603.08287v2 Announce Type: replace Abstract: We analyze the Bayesian regret of the Gaussian process posterior sampling reinforcement learning (GP-PSRL) algorithm. Posterior sampling is a heuristic for decision-making under uncertainty that has been used to develop successf…

相关实体

相关话题