实体 JumpRiverswim

JumpRiverswim

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

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_93821 · Jun 16 · 04:00

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…