PulseAugur
实时 22:59:09
实体 Controlled Markov chains and safety criteria

Controlled Markov chains and safety criteria

PulseAugur coverage of Controlled Markov chains and safety criteria — every cluster mentioning Controlled Markov chains and safety criteria across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
时间线
  1. 2026-05-12 research_milestone A new model-based bootstrap method for controlled Markov chains was proposed and analyzed. 来源
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_29303 ·

    新的自举法增强了离线强化学习分析

    研究人员开发了一种新的基于模型的受控马尔可夫链自举法,特别适用于数据生成策略未知的离线强化学习场景。该技术为转移估计器建立了分布一致性,并扩展到策略评估和恢复,为价值函数和Q函数提供渐近有效的置信区间。在RiverSwim问题上的实验结果表明,与现有方法相比,所提出的置信区间在有限数据下提供了更好的校准和覆盖率。