研究人员确立了一种改进的梯度时序差分(TD)学习算法,称为约束TDRC($\lambda$),在非i.i.d.离策略数据下的收敛性。这项工作还引入了TDRC($\lambda$)-Huber,这是一个旨在减轻对大Bellman误差敏感性的扩展,同时保持TDRC($\lambda$)的固定点。收敛性证明利用了随机逼近理论中的基于ODE的弱收敛方法,提供了可计算的充分条件,并识别了一个共享的基于正则化的收敛机制。 AI
影响 为先进的强化学习算法建立了理论收敛保证,有可能提高其在复杂环境中的稳定性和性能。
排序理由 详细介绍机器学习算法理论进展的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Huber Bellman-error
- Hugging Face
- IArxiv
- TDRC($\lambda$)
- TDRC($\lambda$)-Huber
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →