★ 2
arXiv 论文提出 DUET 算法：组合半赌博机基线保护与对抗鲁棒性兼得
该论文针对组合半赌博机问题提出 DUET（Doubling Under Empirical Tests）分阶段混合方案，通过两个可观测测试决定何时加倍学习权重与经验遗憾预算。算法在未知时间跨度、间隙和环境类型的情况下，同时实现基线遗憾对数级、对抗损失下 O(√T) 遗憾以及随机损失下的多对数遗憾。
arXiv cs.LG5 天前
#强化学习理论
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
对抗线性 MDP 首个多项式时间最优遗憾算法提出
论文研究未知转移、对抗损失与 bandit 反馈的片段式线性马尔可夫决策过程，首次给出多项式时间且达到 √K 遗憾的算法。方法将对抗线性 MDP 归约为动作集为策略期望特征向量的对抗线性 bandit，并构造近似分离预言机处理动作集未知问题。该算法仅需聚合损失反馈，突破了此前仅表格情形可行的限制。
arXiv cs.LG10 天前
★ 1
arXiv 论文提出可弃权贝叶斯固定置信度最佳臂识别算法 S&C
该论文研究允许学习器放弃给出最终推荐的贝叶斯固定置信度最佳臂识别问题，在目标错误率 δ 与弃权预算 α 约束下提出 Screen-and-Confirm（S&C）算法并分析其期望停止时间。作者还推导出满足约束的任意算法的最小期望停止时间，在高斯先验与奖励下给出匹配的上下界，并证明禁止弃权时 S&C…
arXiv cs.LG10 天前
★ 1
多链鲁棒平均奖励 MDP 的向量贝尔曼理论
论文为具有紧凑后动作矩形不确定性的有限模型建立向量贝尔曼理论，处理状态依赖的鲁棒平均奖励问题。通过增益优先、偏差次之的优化原则得到耦合的向量增益-偏差系统，并设计鲁棒近似移位 Halpern 规划算法，证明增益估计与贝尔曼位移收敛到最优增益向量。
arXiv cs.LG38 天前
这个主题的相关资产
相关术语强化学习理论