实体
Lipschitz function
Lipschitz function
PulseAugur coverage of Lipschitz function — every cluster mentioning Lipschitz function across labs, papers, and developer communities, ranked by signal.
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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
New policy class enforces hard constraints in contextual optimization
研究人员引入了 Legendre-regularized policies，这是一种新的上下文优化方法，可在保持梯度训练平滑性的同时强制执行硬可行性约束。该方法将决策参数化为正则化优化问题的解，确保策略在构建时是可行的且可微的。该框架统一了现有的优化技术，并在资源分配和上下文新供应商问题中展示了改进的性能。
-
新的DRRL算法通过线性逼近实现有限时间收敛
研究人员开发了一种新的分布鲁棒强化学习（DRRL）算法，即使在使用线性函数逼近的情况下也能提供有限时间收敛保证。该算法解决了现有DRRL方法的局限性，这些方法通常需要表格设置或特定的结构假设。新方法结合了目标网络和对偶函数逼近方案，利用矩跟踪批评者和后缀平均来实现收敛到最优鲁棒Q函数。