★ 2
arXiv 论文提出风险敏感强化学习的有限时间分析
该论文研究从随机采样中估计正算子主特征对的噪声幂迭代方法，在希尔伯特投影度量下给出有限时间收敛保证。作者将其应用于指数效用下的风险敏感平均成本强化学习，推导出风险敏感 TD 与 Q 学习算法，样本复杂度为 Õ(ε⁻²)，并借助指数效用与 KL 鲁棒控制的对偶性扩展到鲁棒平均成本 RL。
arXiv cs.LG5 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文研究从随机采样中估计正算子主特征对的噪声幂迭代方法，在希尔伯特投影度量下给出有限时间收敛保证。作者将其应用于指数效用下的风险敏感平均成本强化学习，推导出风险敏感 TD 与 Q 学习算法，样本复杂度为 Õ(ε⁻²)，并借助指数效用与 KL 鲁棒控制的对偶性扩展到鲁棒平均成本 RL。