学者提出有限模型不确定性下的鲁棒Q学习算法
热点事件持续更新
学者提出有限模型不确定性下的鲁棒Q学习算法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Julian Sester 与 Cécile Decker 提出一种鲁棒 Q-learning 算法，用于每个状态-动作对仅关联有限候选转移核集合的马尔可夫决策过程。 据作者描述，学习器只需从各候选模拟器观测后继状态及其确定性奖励，无需已知转移概率或奖励函数。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
Q-Learning 在有限模型不确定性下的鲁棒算法报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIQ-Learning 在有限模型不确定性下的鲁棒算法
针对每个状态-动作对仅关联有限候选转移核集合的马尔可夫决策过程，提出一种鲁棒 Q-learning 算法，学习器只需从各候选模拟器观测后继状态及其确定性奖励，无需已知转移概率或奖励函数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。