★ 1
双时间尺度Actor-Critic算法的集中不等式
论文为长期平均奖励设定下带函数逼近的双时间尺度Actor-Critic算法推导了统一的全时集中界，证明演员参数在有限时间后以高概率进入并保持在安全区域。实验显示演员误差随参数更新次数递减。
arXiv cs.LG38 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文为长期平均奖励设定下带函数逼近的双时间尺度Actor-Critic算法推导了统一的全时集中界，证明演员参数在有限时间后以高概率进入并保持在安全区域。实验显示演员误差随参数更新次数递减。