オフライン強化学習のためのBellman残差直交化【JST・京大機械翻訳】

Zanette Andrea; Wainwright Martin J.

プレプリント

J-GLOBAL ID：202202209390295112 整理番号：22P0309436

オフライン強化学習のためのBellman残差直交化【JST・京大機械翻訳】

Bellman Residual Orthogonalization for Offline Reinforcement Learning

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 (2件)： ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年10月11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)

テスト関数のユーザ定義空間に沿ってのみその妥当性を強制することにより,Bellman方程式を近似する強化学習原理を提案し,解析した。関数近似によるモデルフリーオフラインRLへの適用に焦点を合わせて,著者らは,オフポリシー評価の信頼区間を導き,また,処方された政策クラス内の政策を最適化するため,この原理を利用した。任意のコンパレータポリシーの値と不確実性の間のトレードオフに関して,著者らの政策最適化手順に関するオラクル不等式を証明した。テスト関数空間の異なる選択は,共通のフレームワークの中で異なる問題に取り組むことを可能にする。この手順を用いて,ポリシーからオフポリシーデータへの移動における効率の損失を特性化し,過去の研究で研究されたコンセントラビリティ係数への接続を確立した。著者らは,線形関数近似による著者らの方法の実装を徹底的に調べ,Bellman閉鎖が保持されない場合でも,多項式時間実装による理論的保証を提供した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る