实体
Bellman residuals minimization using online support vector machines
Bellman residuals minimization using online support vector machines
PulseAugur coverage of Bellman residuals minimization using online support vector machines — every cluster mentioning Bellman residuals minimization using online support vector machines across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
用于离轨策略评估的新型成对贝尔曼验证方法
研究人员提出了一种名为成对贝尔曼验证（PBV）的新颖方法，用于离轨策略评估中的模型选择和超参数调整。该方法解决了在无法从保留的转换中直接评估已拟合的Q函数和占用率比估计的挑战。PBV从成对候选差异中构建评估器，无需辅助回归或单独的评估器优化，并相对于可用的最佳候选者建立了有限样本预言机不等式。
-
V-SHARE算法为强化学习提供可证明的收敛性
研究人员推出了一种新颖的基于优势的价值学习算法V-SHARE，用于强化学习，该算法增强了跨动作的信息共享。该方法将动作-价值函数分解为状态依赖值和动作特定优势，解决了当前Q学习方法的局限性。V-SHARE提供了一个全面的理论框架，提供了渐近收敛和有限样本保证，并证明了其缓解稀有动作瓶颈等问题的能力。
-
新的强化学习原理使用率失真调整抽象粒度
研究人员开发了一种新的强化学习原理，允许智能体在学习过程中动态调整其任务抽象的粒度。当抽象内的学习误差接近抽象本身引入的误差时，该方法会优化抽象。该方法使用性能证书进行形式化，并基于率失真原理使用软状态-动作抽象实现，已在表格设置中得到验证，即使在显著的状态和动作信息压缩下也能展示出接近最优的性能。