PulseAugur
中
实时 17:03:22
实体 Markov Reward Process

Markov Reward Process

PulseAugur coverage of Markov Reward Process — every cluster mentioning Markov Reward Process 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_273637 ·

    新理论为异步TD学习的统计率提供更精确的界定

    研究人员为异步时间差分（TD）学习（强化学习中的一项关键算法）开发了一个新的理论框架。该研究为标准表格型TD学习的最后一个迭代提供了尖锐的统计率，并对具有特定数量转移的误差界限提供了保证。这项工作允许非可逆马尔可夫链、任意初始状态分布和有界奖励，其证明方法涉及锚定局部泊松方程和命中时间补偿恒等式。