Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2504.07722v2

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2504.07722v2 (cs)
[提交于 2025年4月10日 (v1) ,修订后的 2025年4月16日 (此版本, v2) , 最新版本 2025年8月6日 (v6) ]

标题: 在弱部分可忽略性假设下放宽强化学习中的马尔可夫要求

标题: Relaxing the Markov Requirements on Reinforcement Learning Under Weak Partial Ignorability

Authors:MaryLena Bleile
摘要: 不完全数据、混杂效应以及马尔可夫性质的违反是强化学习应用中普遍存在的相互关联的问题。 我们引入了“部分可忽略性”的概念,并利用它建立了自适应强化学习的一个新的收敛定理。 这一理论结果放松了传统$Q$-学习中随机过程的马尔可夫假设,采用罗宾斯-蒙罗随机逼近定理的广义形式来证明最优性。 这一结果对强化学习的大多数活跃子领域有明确的下游影响,并且为扩展到因果推断领域提供了清晰的方向。
摘要: Incomplete data, confounding effects, and violations of the Markov property are interrelated problems which are ubiquitous in Reinforcement Learning applications. We introduce the concept of ``partial ignorabilty" and leverage it to establish a novel convergence theorem for adaptive Reinforcement Learning. This theoretical result relaxes the Markov assumption on the stochastic process underlying conventional $Q$-learning, deploying a generalized form of the Robbins-Monro stochastic approximation theorem to establish optimality. This result has clear downstream implications for most active subfields of Reinforcement Learning, with clear paths for extension to the field of Causal Inference.
主题: 机器学习 (cs.LG) ; 方法论 (stat.ME)
MSC 类: 60G
引用方式: arXiv:2504.07722 [cs.LG]
  (或者 arXiv:2504.07722v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.07722
通过 DataCite 发表的 arXiv DOI

提交历史

来自: MaryLena Bleile PhD [查看电子邮件]
[v1] 星期四, 2025 年 4 月 10 日 13:15:52 UTC (23 KB)
[v2] 星期三, 2025 年 4 月 16 日 12:57:23 UTC (32 KB)
[v3] 星期日, 2025 年 4 月 20 日 16:06:48 UTC (153 KB)
[v4] 星期五, 2025 年 6 月 6 日 18:00:32 UTC (108 KB)
[v5] 星期日, 2025 年 6 月 29 日 01:49:19 UTC (108 KB)
[v6] 星期三, 2025 年 8 月 6 日 15:51:18 UTC (331 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
stat
stat.ME

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号