【普林斯顿-Mengdi Wang】强化学习统计复杂度，35页ppt

近年来，强化学习(RL)的经验研究取得了越来越多的成功。然而，关于学习能力的许多理论问题并没有得到很好的理解。例如，要学习一个好的策略，需要多少观察?马尔可夫决策过程(MDP)中函数近似在线学习的遗憾之处是什么?从未知行为策略生成的日志历史记录中，我们如何最优地估计新策略的价值?在本次演讲中，我将回顾一些最近研究这些问题的成果，如从生成模型求解MDP的最小轴最优样本复杂性，通过回归的最小轴最优非策略评估，以及使用非参数模型估计的在线RL的遗憾。

http://www.ipam.ucla.edu/abstract/?tid=16408&pcode=LCO2020

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“RL35” 就可以获取《【普林斯顿-Mengdi Wang】强化学习统计复杂度，35页ppt》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源