ランダム最小二乗値反復のための改良型最悪ケースRegret限界【JST・京大機械翻訳】

Agrawal Priyank; Chen Jinglin; Jiang Nan

プレプリント

J-GLOBAL ID：202202221261120209 整理番号：21P0056307

ランダム最小二乗値反復のための改良型最悪ケースRegret限界【JST・京大機械翻訳】

Improved Worst-Case Regret Bounds for Randomized Least-Squares Value Iteration

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： 2020年10月23日プレプリントサーバーでの情報更新日： 2021年11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)

本論文では,強化学習におけるランダム化値関数によるレグレット最小化を研究した。平板有限水平Markov決定プロセスにおいて,著者らは1つの古典的Thompsonサンプリング(TS)様アルゴリズム,ランダム化最小二乗値反復(RLSVI)のクリッピングバリアントを導入した。著者らのO(H ̄2S√AT)高確率最悪ケースレグレット境界は,RLSVIに対する以前の最急最悪ケースレグレット限界を改善し,既存の最先端の最悪ケースTSベースレグレット限界に整合する。【JST・京大機械翻訳】

, ,
, 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る