实体
Actor-Critic Methods
Actor-Critic Methods
PulseAugur coverage of Actor-Critic Methods — every cluster mentioning Actor-Critic Methods across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
将主动推理构建为凸马尔可夫决策过程，与强化学习统一
一篇新论文将主动推理（AIF）构建为凸马尔可夫决策过程（MDP），提出了一种将其与现代强化学习（RL）技术统一的方法。该研究认为，在AIF中最小化预期自由能（EFE）可以被视为潜在MDP中的策略优化，其中认知价值充当了表现性奖励。这种视角可以推导出一种与Actor-Critic方法和动态规划兼容的镜像下降算法，可能提供原则性的策略改进保证。
-
强化学习理论在Actor-Critic方法上实现新的样本复杂度
研究人员为强化学习中的离策略Actor-Critic方法建立了一个新的理论样本复杂度保证。该论文证明了在最少假设下找到$\\epsilon$-最优策略的第一个$\\tilde{\\mathcal{O}}(\\epsilon^{-2})$样本复杂度，具体要求仅为不可约马尔可夫链。这一成就与先前需要嵌套循环更新或更强的、依赖于算法的策略假设的工作形成对比。