arXiv stat.ML· Yang Peng·· 2 小时前AI 评分12
异步 TD 学习在 Markovian 数据下的近极小极大最优速率
Near-Minimax-Optimal Rates for Asynchronous TD Learning with Markovian Data
AI 导读
研究标准重要性加权时序差分（TD）学习在有限马尔可夫决策过程单轨迹下的最后一次迭代，证明其以高概率达到 sup-norm 误差不超过 ε，所需转移次数为 Õ(ϱH³/(μ_min ε²)+𝔥⋆)。
来源：arXiv stat.ML · arxiv.org