効率的なカーネル化勾配時間差による連続MDPにおけるポリシー評価【JST・京大機械翻訳】

Koppel Alec; Warnell Garrett; Stump Ethan; Stone Peter; Ribeiro Alejandro

プレプリント

J-GLOBAL ID：202202205148957202 整理番号：22P0042067

効率的なカーネル化勾配時間差による連続MDPにおけるポリシー評価【JST・京大機械翻訳】

Policy Evaluation in Continuous MDPs with Efficient Kernelized Gradient Temporal Difference

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2017年09月13日プレプリントサーバーでの情報更新日： 2020年05月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

無限空間を持つ無限水平割引Markov決定問題(MDP)における政策評価を考察した。このタスクを,再生カーネルHilbert空間(RKHS)に属する関数値決定変数を持つ組成確率的プログラムを再定式化した。確率的スパース部分空間投影とタンデムで動作する確率的準勾配法の新しい機能的一般化によりこの問題にアプローチした。結果は,Bellman評価方程式に対する解の非線形パラメータ値関数推定を与える勾配時間差学習の拡張である。著者らの主な貢献は,ステップサイズを減衰させる確率1でBellman固定点に正確に収束する保証されたメモリ効率の良いノンパラメトリック確率法である。さらに,一定ステップサイズで,近傍への平均収束を得て,その値関数推定は有限複雑性を持つ。山岳Carドメインでは,必要なメモリの分数を持つ既存の手法よりも,Bellman誤差解を低くするのに,より早い収束を観測した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る