arXiv · ML· Prashansa Panda, Shalabh Bhatnagar·· 3 小时前AI 评分25
双时间尺度 Actor-Critic 算法的集中界
A Concentration Bound for Two-Timescale Actor-Critic Algorithm
AI 导读
该研究为长时平均奖励设定下的双时间尺度 Actor-Critic 算法推导了统一的全时间集中界。 结果表明，随着 Actor 参数更新次数增加，Actor 误差随更新数递减，且以高概率保持在安全区域内。
来源：arXiv · ML · arxiv.org