arXiv · cs.AI· Jingjuan Huang·· 2 天前AI 评分18
有限记忆 POMDP 中神经强化学习的有限时间收敛与 regret 保证
Finite-Time Convergence and Regret Guarantees for Neural Reinforcement Learning in POMDPs
来源与原文
arXiv · cs.AI
作者：Jingjuan Huang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07069v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究首次为有限记忆 POMDP 给出基于非线性神经价值函数逼近的有限时间次线性 regret 保证。作者先建立新的有限状态 MDP 逐点逼近误差界，再将 TD 学习应用于 POMDP 生成的 superstate 转移并针对 superstate MDP 的 Bellman 不动点，证明神经 critic 的有限时间误差界，结合策略镜像下降框架得到相对最优 POMDP 价值的次线性 regret，数值实验验证了理论结果。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。