arXiv stat.ML· Amirparsa Bahrami, Oliver Mortensen, Mohammad Sadegh Talebi·· 10 小时前AI 评分13
递归熵风险强化学习的近最优样本复杂度：基于生成模型的分析
Near-Optimal Sample Complexity for Recursive Entropic Risk Reinforcement Learning with a Generative Model
AI 导读
针对递归熵风险偏好（风险参数 β≠0）下的有限折扣 MDP，研究者对基于生成模型的风险敏感 Q 值迭代（MB-RS-QVI）进行了精细化分析，给出了学习最优 Q 值函数与 ε-最优策略的 (ε,δ)-PAC 保证。
来源：arXiv stat.ML · arxiv.org