LEARNING
具有概率保证的马尔可夫决策过程中可达性概率原因的高效样本学习
Ryohei Oura, Georgios Fainekos, Hideki Okamoto, Bardh Hoxha
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文针对未知转移概率的马尔可夫决策过程，提出了一种基于重启的修改方法，将概率原因识别简化为两个条件可达性查询，并开发了基于两侧值迭代的随时学习与检查算法，能够以概率保证逐步将状态分类为因果、非因果或未定。实验验证了该方法在样本效率和准确性上的优势。
关键词
probabilistic model checkingMarkov decision processescausalitysample-efficient learningprobabilistic guarantees
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