LEARNING
连续时间鲁棒马尔可夫决策过程的策略梯度算法
Tanya Veeravalli, David M. Bossens, Atsushi Nitanda
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文研究了连续时间鲁棒马尔可夫决策过程中的策略梯度算法，提出了双循环优化器和平均场优化器，分别实现了线性收敛和亚线性收敛。理论分析证明了在基于样本的设置中，算法具有高效的样本复杂度，并在连续时间控制任务中验证了其有效性。
关键词
robust Markov decision processespolicy gradientcontinuous-timesample complexitymean-field optimizers
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018