实体 Q-Planning

Q-Planning

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

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

TOOL · CL_299740 · Oct 14 · 04:00

新的Q学习框架解决了平均奖励强化学习的挑战

研究人员开发了一个新的平均奖励强化学习框架，解决了非混合马尔可夫链带来的挑战。所提出的方法使用与奖励无关的m步混合策略来正则化学习策略的收缩和探索特性。分析为Q学习算法提供了有限时间保证，匹配了单步设置中现有的速率，并推导了m步混合的新速率。该研究还扩展到Q规划变体，表明规划充当时间局部学习，规划范围在边界值偏差和样本复杂度之间取得平衡。