Войти
аналитика - 마르코프 의사결정 과정
마르코프 의사결정 과정에서 시연을 통한 효용 학습
마르코프 의사결정 과정에서 관찰된 행동으로부터 에이전트의 위험 태도를 나타내는 효용 함수를 학습하는 것이 목표이다.
평균 보상 마르코프 의사결정 과정에서 약하게 연결된 상태와 일반적인 경우의 최적 샘플 복잡도
약하게 연결된 마르코프 의사결정 과정에서 최적 정책의 편향 함수 스팬 H와 상태-행동 공간 크기 SA를 이용하여 ε-최적 정책을 학습하는 데 필요한 샘플 복잡도를 eO(SAH/ε^2)로 제시하였다. 일반적인 마르코프 의사결정 과정의 경우, 새로운 과도 시간 매개변수 B를 도입하여 eO((B+H)SA/ε^2)의 샘플 복잡도를 달성하였다.
Продукты | Ресурсы
© 2024 by Linnk AI