计算机科学 > 机器学习
[提交于 2025年6月1日
]
标题: 时域学习的有限时间分析:基于线性函数逼近且无需投影和强凸性
标题: A Finite-Time Analysis of TD Learning with Linear Function Approximation without Projections nor Strong Convexity
摘要: 我们研究了带有线性函数逼近的时差(TD)学习的有限时间收敛性质,这是强化学习中的一个基础算法。虽然之前的工作已经建立了收敛保证,但这些结果通常依赖于假设每次迭代都被投影到一个有界集合上,或者学习率根据未知的强凸常数设定——这些条件既人为又不符合当前实践。在本文中,我们挑战了这些假设的必要性,并对TD学习进行了细化分析。我们证明了简单的无投影变体以速率$\tilde{\mathcal{O}}(\frac{||\theta^*||^2_2}{\sqrt{T}})$收敛,即使存在马尔可夫噪声也是如此。我们的分析揭示了TD更新的一种新颖的自我限制特性,并利用它来保证迭代有界。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.