Sign In
insight - Stichprobenkomplexität für durchschnittliche Belohnungs-MDPs
Optimale Stichprobenkomplexität für schwach kommunizierende und allgemeine durchschnittliche Belohnungs-MDPs basierend auf der Spanne
Die Stichprobenkomplexität zum Lernen einer ε-optimalen Politik in einem durchschnittlichen Belohnungs-Markov-Entscheidungsprozess (MDP) unter einem generativen Modell kann durch die Spanne der Bias-Funktion der optimalen Politik und den begrenzten transienten Zeitparameter charakterisiert werden.
Optimale Stichprobenkomplexität für durchschnittliche Belohnungs-MDPs basierend auf der Spanne
Die Stichprobenkomplexität zum Lernen einer ε-optimalen Politik in einem durchschnittlichen Belohnungs-MDP ist eO(SAH/ε^2), wobei H die Spanne der Bias-Funktion der optimalen Politik ist.
Products | Resources
© 2024 by Linnk AI