PulseAugur
中
实时 11:09:57
实体 LSVI-UCB

LSVI-UCB

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

Show in brief
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
  1. TOOL · CL_344336 ·

    新算法MFRLC为CMDPs提供可证明的高效表示学习

    研究人员开发了一种名为MFRLC的新型无模型算法，用于学习低秩约束马尔可夫决策过程（CMDPs）中的表示。该算法旨在在遵守累积效用约束的同时最大化预期的累积奖励。MFRLC独特地结合了最小二乘值迭代与置信上限（LSVI-UCB）和原对偶技术，并实现了与状态空间大小无关的亚线性遗憾和违反保证。