CATSO和PATSO分布MCTS算法提出
热点事件持续更新
CATSO和PATSO分布MCTS算法提出
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Quynh Trinh等人提出CATSO（Categorical Thompson Sampling with Optimism）和PATSO（Particle Thompson Sampling with Optimism）两种分布MCTS算法，旨在维护Q边上的有限支撑经验后备律，以优化规划并应对尾部风险。 该研究利用条件风险值（CVaR）进行优化，在有限深度嵌套CVaR规划目标下证明了根值误差为O(n^{-1/2})的界，实验表明该方法能降低灾难性结果的发生概率。 这一成果发表于第40届神经信息处理系统大会（NeurIPS），为风险敏感规划提供了新的算法框架。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
基于分布式蒙特卡洛树搜索的风险敏感规划算法 CATSO 与 PATSO报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · ML基于分布式蒙特卡洛树搜索的风险敏感规划算法 CATSO 与 PATSO
研究提出 CATSO 和 PATSO 两种分布式 MCTS 算法，利用条件风险值 (CVaR) 优化规划以应对尾部风险。 两者在有限深度嵌套 CVaR 规划目标下证明了根值误差为 O(n^{-1/2}) 的界，实验表明该方法能降低灾难性结果。 该成果发表于第 40 届神经信息处理系统大会 (NeurIPS)。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。