arXiv Artificial Intelligence· Jingjuan Huang, Zhiyao Zhang, Alvaro Velasquez, Nathaniel D. Bastian, Jia Liu·· 2 天前AI 评分22
有限记忆 POMDP 中神经强化学习的有限时间收敛与遗憾保证
Finite-Time Convergence and Regret Guarantees for Neural Reinforcement Learning in POMDPs
AI 导读
研究为采用非线性神经价值函数逼近的有限记忆 POMDP 强化学习建立了有限时间收敛与遗憾保证。作者先给出新的有限状态 MDP 逐点逼近误差界，再对 POMDP 生成的超状态转移做 TD 学习，证明神经评论家误差界，并结合策略镜像下降得到相对最优 POMDP 值的有限时间次线性遗憾，称这是有限记忆 POMDP 下首个基于神经函数逼近的此类结果，数值实验验证了理论。
来源：arXiv Artificial Intelligence · arxiv.org