跳到正文
arXiv · ML· Jingjuan Huang, Zhiyao Zhang, Alvaro Velasquez, Nathaniel D. Bastian, Jia Liu·· 14 天前AI 评分20

神经强化学习在有限记忆 POMDP 中的有限时间收敛与遗憾界

Finite-Time Convergence and Regret Guarantees for Neural Reinforcement Learning in POMDPs

AI 导读

研究证明在有限记忆 POMDP 中,结合非线性神经价值函数近似与策略镜像下降,可获得有限时间次线性遗憾界。 这是文献中首个基于神经函数近似的有限时间次线性遗憾结果,数值实验验证了理论结论。

来源:arXiv · ML · arxiv.org