新的推理方法提高了时间差分学习的准确性

研究人员开发了一种名为“常数步长时序差分学习的自归一化推理”的新方法。该技术通过考虑序列依赖性和步长相关的平稳目标，可以从单个马尔可夫轨迹中进行更准确的推理。该方法提供了渐近枢纽置信区域，而无需估计长期协方差或选择带宽，从而能够实现内存不随轨迹长度增长的单遍实现。在FrozenLake和Garnet上的实验证明了其在为平稳目标提供覆盖和纠正Richardson-Romberg目标方面的有效性。 AI

影响 提高了从序列数据学习的准确性和效率，可能改进强化学习代理。

排序理由 该集群包含一篇研究论文，详细介绍了时间差分学习的新统计方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• Bellman
• Brownian bridge
• Constant-Stepsize Temporal-Difference Learning
• FrozenLake
• garnet group
• Markovian sampling
• Self-Normalized Inference
• Temporal difference learning

• 论文
• 其他

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