‹ arXiv cs.LG

基于遗憾的特征、信息限制和审计自适应策略的样本复杂性

原文:Regret-based Characterization, Information Limits, and the Sample Complexity of Auditing Adaptive Policies

arXiv cs.LG 未缓存正文

策略可以通过其平均位置或对信息的反应来获得其性能。对于有限范围 MDP 中的任何马尔可夫策略 $π$,令 $ν$ 为其开环边际,它在每一步发挥 $π$ 的平均动作分布。我们证明在内生动力学下 $J(π)-J(ν)$ 等于 $\sum_t tr Cov(Q^ν_t,π_t)$。仅基于直接成本的审计可能会产生错误的迹象。写作

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类