自适应量化在速率受限的通道上保持 TD 学习的快速速率

原文：Adaptive Quantization Preserves Fast Rates for TD Learning over Rate-Limited Channels

在受通信约束的强化学习的推动下，我们研究了限速通道上线性函数逼近的策略评估问题。在我们的设置中，与未知环境交互的代理（建模为马尔可夫决策过程）通过有限容量通道将时间差（TD）学习更新方向的量化估计传输到服务器

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。