★ 2
REP-PD-TEG：低秩约束 MDP 的表示学习新方法
论文研究连续状态空间低秩约束马尔可夫决策过程（CMDP）的表示学习，提出 REP-PD-TEG 与 REP-PD-H-TEG 两种算法，分别处理软累积违规与硬累积违规。作者给出遗憾界与违规保证，是首个对低秩连续状态 CMDP 具备理论保证的表示学习方法。
arXiv cs.LG10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究连续状态空间低秩约束马尔可夫决策过程（CMDP）的表示学习，提出 REP-PD-TEG 与 REP-PD-H-TEG 两种算法，分别处理软累积违规与硬累积违规。作者给出遗憾界与违规保证，是首个对低秩连续状态 CMDP 具备理论保证的表示学习方法。