实体 KLPQ

KLPQ

PulseAugur coverage of KLPQ — every cluster mentioning KLPQ 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_300838 · Oct 15 · 04:00

新的Q学习算法通过KL正则化实现快速收敛率

研究人员开发了用于有限时间范围马尔可夫决策过程（MDP）的离线Q学习的新算法，并结合了 Kullback-Leibler (KL) 正则化。所提出的 KL-regularized Q-Learning (KLQ) 算法在没有显式悲观主义的情况下实现了 \(\widetilde{O}(1/\epsilon)\) 的样本复杂度，尽管对正则化参数和时间范围有指数依赖性。随后的 KL-regularized Pessimistic Q-Lea…