实体 REP-PD-H-TEG

REP-PD-H-TEG

PulseAugur coverage of REP-PD-H-TEG — every cluster mentioning REP-PD-H-TEG 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_317387 · Oct 23 · 04:00

新算法为低秩约束CMDPs提供理论保证

研究人员开发了两种新算法，REP-PD-TEG和REP-PD-H-TEG，用于具有连续状态空间的低秩约束马尔可夫决策过程（CMDPs）中的表示学习。REP-PD-TEG通过最大似然学习转移特征，然后使用乐观的拉格朗日目标进行规划，从而在软累积违规设置下实现最优遗憾界限。对于更严格的硬累积违规，REP-PD-H-TEG采用奖励修正的低置信度效用证书和稳定的对偶搜索，以确保每集的可行性，同时提供遗憾界限和硬违规界限。这些方法代表了首个在低…