arXiv · Statistics Machine Learning· Amirparsa Bahrami, Oliver Mortensen, Mohammad Sadegh Talebi·· 4 hr agoAI score26
递归熵风险强化学习在生成模型下的近最优样本复杂度
Near-Optimal Sample Complexity for Recursive Entropic Risk Reinforcement Learning with a Generative Model
AI brief
该论文研究有限折扣 MDP 中递归熵风险偏好下的价值与策略学习样本复杂度，风险参数为 β≠0，并假设可访问 MDP 的生成模型。作者对基于模型的 risk-sensitive Q-value iteration（MB-RS-QVI）给出细化分析，为最优 Q 值函数与 ε-最优策略导出 (ε,δ)-PAC 保证。
Source: arXiv · Statistics Machine Learning · arxiv.org