Probability Mass Functions

新的arXiv论文探讨基于风险的MDP和贝尔曼方程对偶

两篇新发表在arXiv上的研究论文探讨了人工智能序贯决策中的高级概念。第一篇论文介绍了ERQDP，一种在基于风险的目标下进行有限时间马尔可夫决策过程规划的新方法，它提供了一种无需枚举的方法，并提供认证解决方案或明确的剩余差距。第二篇论文深入研究了贝尔曼方程的理论基础，展示了其递推性质如何源于与状态动力学、回报分解和不确定性聚合相关的三个基本条件，统一了强化学习、控制和决策理论中的概念。