ポリシーMarkov決定過程の安全領域の発見【JST・京大機械翻訳】

Cohen Lee; Mansour Yishay; Moshkovitz Michal

プレプリント

J-GLOBAL ID：202202219975374587 整理番号：22P0294205

ポリシーMarkov決定過程の安全領域の発見【JST・京大機械翻訳】

Finding Safe Zones of policies Markov Decision Processes

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 (3件)： , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2023年10月09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)

Markov決定プロセスの政策を考えると,著者らは,政策の軌跡の大部分がこの部分集合に限定されているような状態の部分集合としてSafeZoneを定義した。SafeZoneの品質は,状態と脱出確率,すなわちランダム軌道が部分集合を残す確率によってパラメータ化された。SafeZoneは,それらが少数の状態と低い脱出確率を持つとき特に興味深い。最適SafeZoneの発見の複雑さを研究し,一般的に,この問題が計算的に困難であることを示した。著者らの主な結果は,多項式サイズサンプル複雑性を用いて,脱出確率とSafeZoneサイズの両方に対してほぼ2つの近似の因子を有する二基準近似学習アルゴリズムである。【JST・京大機械翻訳】

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

人工知能 , 数値計算

前のページに戻る