统计学 > 机器学习
[提交于 2018年8月1日
(v1)
,最后修订 2018年10月10日 (此版本, v3)]
标题: Robbins-Monro 条件用于持续探索学习策略
标题: Robbins-Monro conditions for persistent exploration learning strategies
摘要: 我们提出了一些简单的假设,这些假设隐含了针对具有局部学习速率的 $Q$-学习算法的Robbins-Monro条件,局部学习速率取决于特定状态-动作对的访问次数(局部时钟)和迭代次数(全局时钟)。 假设马尔可夫决策过程是通信性的,并且学习策略确保持续探索。 对学习率关于局部时钟和全局时钟的功能依赖性施加了限制。 该结果部分证实了Bradkte(1994)的猜想。
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.