arXiv 机器学习· Jingjuan Huang, Zhiyao Zhang, Alvaro Velasquez, Nathaniel D. Bastian, Jia Liu·· 9 時間前AI スコア34
POMDP 中神经网络强化学习的有限时间收敛与遗憾保证
Finite-Time Convergence and Regret Guarantees for Neural Reinforcement Learning in POMDPs
未翻訳のため中国語で表示しています。
AI ガイド
该研究针对部分可观测马尔可夫决策过程（POMDP），首次证明了非线性神经网络强化学习下的有限时间次线性遗憾保证。论文建立了有限状态 MDP 逐点逼近误差界，并在超状态转移上应用 TD 学习给出了神经网络 critic 误差界。结合策略镜像下降框架，该成果克服了以往依赖线性逼近与 i.i.d. 采样的限制，并经数值实验验证。
出典：arXiv 机器学习 · arxiv.org