PulseAugur
中
实时 05:55:21
实体 Jiamin Xu

Jiamin Xu

PulseAugur coverage of Jiamin Xu — every cluster mentioning Jiamin Xu across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_301265 ·

    新的强化学习方法MOSE使用受控冗余进行状态构建

    研究人员开发了一种新颖的程序,用于在强化学习中从纵向因果图中构建可证明的最优马尔可夫状态。该方法应用于深度强化学习时,发现最优表示本身不足以提高性能。为解决此问题,他们引入了多阶状态暴露(MOSE),该方法使单个Q函数同时暴露于多个历史状态构建,并使用基于注意力的层来选择相关维度。因果MOSE通过确保保留最优状态的所有变量来进一步完善这一点,保证了充分性,同时允许有用的冗余。

  2. TOOL · CL_93821 ·

    新的强化学习方法使用 K 步前瞻实现更快的学习

    研究人员开发了一种新颖的强化学习方法,用于非周期性、有限时间范围的马尔可夫决策过程 (MDP)。该方法引入了一种修改后的 Q 函数,将规划限制在 K 步前瞻,并包含一个阈值机制,仅当估计值超过动态阈值时才选择动作。提出了一种高效的表格学习算法,证明了快速有限样本收敛性,并实现了 K=1 时的 minimax 最优常数遗憾,以及 K>=2 时的改进遗憾界限。在合成 MDP 和 JumpRiverswim、FrozenLake 和 Any…