PulseAugur
中
实时 08:36:07

新的Q学习算法可抵御损坏的数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BR-Async-Q，这是一种新颖的算法，旨在提高Q学习在奖励和状态损坏环境中的鲁棒性。这种基于epoch的方法利用数据批处理来降低方差，并构建贝尔曼最优算子的鲁棒估计。该算法实现了高概率误差界限，与标准的Q学习非常接近，仅有一个取决于损坏比例的微小加性项。这项工作提供了已知的第一项针对奖励和状态损坏下的异步Q学习的鲁棒性保证，并在仅奖励损坏时证明了极小极大最优性。 AI

影响 为具有对抗性数据损坏的环境引入了一种更具弹性的Q学习方法。

排序理由 该集群包含一篇详细介绍强化学习新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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Q学习算法可抵御损坏的数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sreejeet Maity, Aritra Mitra ·

    通过批处理实现奖励和状态腐蚀下的鲁棒异步Q学习

    arXiv:2607.20822v1 Announce Type: new Abstract: Motivated by reinforcement learning in harsh environments, we consider the problem of learning an optimal policy subject to adversarially corrupted feedback. Specifically, at each time-step, an adversary can perturb both the reward …

相关实体

相关话题