BriefGPT - AI 论文速递 · 2024-10-21T00:00:00Z 具有线性函数逼近的时间差学习的统计推断 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 本研究解决了马尔可夫决策过程中的价值函数有限样本有效性问题，确保了强化学习的可靠性，提出了高维概率收敛保证及边界，建立了更快的收敛速率，并设计了在线计算的渐近协方差矩阵估计器。 🏷️ 标签 价值函数 函数 协方差矩阵 强化学习 收敛速率 统计 马尔可夫决策 阅读原文 生成长图 分享链接 已复制链接
