计算机科学 > 机器学习
[提交于 2012年8月13日
]
标题: 核希尔伯特空间嵌入的路径积分控制
标题: Path Integral Control by Reproducing Kernel Hilbert Space Embedding
摘要: 我们提出了一种将随机最优控制问题(以所谓的路径积分形式)嵌入再生核希尔伯特空间的方法。利用一致的基于样本的嵌入估计,可以得到一种无模型、非参数的方法来计算控制问题的近似解。这种表述允许将问题分解为不变部分和任务相关部分。因此,与该领域先前基于样本的方法相比,我们在样本数据的使用上更加高效,例如通过允许跨任务的样本重用。数值例子展示了样本效率,并提供了测试问题的实例。
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.