实体
Policy Evaluation
Policy Evaluation
PulseAugur coverage of Policy Evaluation — every cluster mentioning Policy Evaluation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
用于外生上下文MDP学习的新minimax PAC界限
研究人员为外生上下文马尔可夫决策过程（MDP）中的学习开发了新的minimax PAC界限。该研究侧重于具有外生、独立同分布（i.i.d.）上下文的表格折扣MDP，这些上下文会影响奖励和转移。所提出的算法在策略评估、最佳值估计和最佳策略提取方面提供了改进的样本复杂度，其速率独立于上下文空间大小且是minimax最优的。
-
一项新的研究探讨了强化学习中用于控制任务的贝尔曼残差最小化方法
本文介绍了将贝尔曼残差最小化应用于马尔可夫决策问题策略优化的基础性研究成果。虽然动态规划更为常见，但贝尔曼残差最小化在函数逼近方面具有稳定的收敛性等优势。该研究侧重于将此方法扩展到控制任务，而控制任务的探索程度不如策略评估。