平均奖励Q学习与Q规划的正则化混合研究
热点事件持续更新
平均奖励Q学习与Q规划的正则化混合研究
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
Julien Roger 等人发表论文，针对平均奖励强化学习中 Bellman 算子仅在马尔可夫链混合时才有 span 收缩性的问题，提出在已知一个与奖励无关的 m-step 混合策略的条件下，向该混合策略做正则化，以此控制所学策略的收缩与探索性质。 论文给出了 Q-learning 算法的有限时间分析；该算法可搭配多种正则化选择，保证以正则化不动点为衡量基准。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
面向平均奖励 Q-learning 与 Q-planning 的混合正则化方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI面向平均奖励 Q-learning 与 Q-planning 的混合正则化方法
针对平均奖励强化学习中 Bellman 算子仅在马尔可夫链混合时才具备 span 收缩性的问题，研究提出在已知一个与奖励无关的 m-step 混合策略的条件下，通过向该混合策略正则化来控制所学策略的收缩与探索性质。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。