研究人员开发了一种名为群体鲁棒悲观值迭代(GR-PEVI)的新算法,用于从多个、可能异构的数据源学习序列决策策略。该方法通过将问题构建为分布鲁棒马尔可夫决策过程,解决了离线设置中数据覆盖有限的挑战。GR-PEVI 结合了最坏情况聚合和数据依赖的悲观惩罚,提供了有限样本的次优性保证,并可扩展到聚类源。该算法的有效性已通过模拟研究得到证明,并应用于涉及多发性硬化症治疗决策的临床环境。 AI
影响 为处理来自多个、多样化数据源的 AI 系统引入了一种新的鲁棒决策方法。
排序理由 详细介绍新算法和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- DagsHub
- Group-Robust Markov Decision Processes
- Group-Robust Pessimistic Value Iteration
- Hugging Face
- Markov decision processes
- Mingyuan Xu
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →