PulseAugur
实时 12:15:09
实体 Saptarshi Mandal

Saptarshi Mandal

PulseAugur coverage of Saptarshi Mandal — every cluster mentioning Saptarshi Mandal 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_93813 ·

    新的DRRL算法通过线性逼近实现有限时间收敛

    研究人员开发了一种新的分布鲁棒强化学习(DRRL)算法,即使在使用线性函数逼近的情况下也能提供有限时间收敛保证。该算法解决了现有DRRL方法的局限性,这些方法通常需要表格设置或特定的结构假设。新方法结合了目标网络和对偶函数逼近方案,利用矩跟踪批评者和后缀平均来实现收敛到最优鲁棒Q函数。