PulseAugur
中
实时 08:00:05
实体 TDRC($\lambda$)-Huber

TDRC($\lambda$)-Huber

PulseAugur coverage of TDRC($\lambda$)-Huber — every cluster mentioning TDRC($\lambda$)-Huber 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_342220 ·

    新的TD学习算法收敛性已确立

    研究人员确立了一种改进的梯度时序差分（TD）学习算法，称为约束TDRC($\lambda$)，在非i.i.d.离策略数据下的收敛性。这项工作还引入了TDRC($\lambda$)-Huber，这是一个旨在减轻对大Bellman误差敏感性的扩展，同时保持TDRC($\lambda$)的固定点。收敛性证明利用了随机逼近理论中的基于ODE的弱收敛方法，提供了可计算的充分条件，并识别了一个共享的基于正则化的收敛机制。