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

成为VIP会员查看完整内容
20

相关内容

强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
113+阅读 · 2020年12月17日
【普林斯顿】机器学习数学视角,63页ppt
专知会员服务
87+阅读 · 2020年11月6日
【经典书】概率统计导论第五版,730页pdf
专知会员服务
237+阅读 · 2020年7月28日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
126+阅读 · 2020年7月20日
【圣经书】《强化学习导论(2nd)》电子书与代码,548页pdf
专知会员服务
201+阅读 · 2020年5月22日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
专知会员服务
206+阅读 · 2019年8月30日
解耦强化学习的值函数学习
CreateAMind
6+阅读 · 2019年9月5日
【微软亚研130PPT教程】强化学习简介
专知
36+阅读 · 2018年10月26日
【干货】强化学习介绍
专知
12+阅读 · 2018年6月24日
强化学习——蒙特卡洛方法介绍
论智
12+阅读 · 2018年6月3日
增强学习算法讲解:马尔可夫决策过程MDP
数据挖掘入门与实战
7+阅读 · 2018年4月22日
强化学习初探 - 从多臂老虎机问题说起
专知
10+阅读 · 2018年4月3日
一文学习基于蒙特卡罗的强化学习方法(送书)
人工智能头条
7+阅读 · 2018年3月13日
Arxiv
0+阅读 · 2020年12月15日
Arxiv
0+阅读 · 2020年12月12日
Online Sparse Reinforcement Learning
Arxiv
0+阅读 · 2020年12月12日
Arxiv
5+阅读 · 2018年6月12日
Arxiv
5+阅读 · 2018年4月30日
Arxiv
6+阅读 · 2018年4月24日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关VIP内容
专知会员服务
113+阅读 · 2020年12月17日
【普林斯顿】机器学习数学视角,63页ppt
专知会员服务
87+阅读 · 2020年11月6日
【经典书】概率统计导论第五版,730页pdf
专知会员服务
237+阅读 · 2020年7月28日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
126+阅读 · 2020年7月20日
【圣经书】《强化学习导论(2nd)》电子书与代码,548页pdf
专知会员服务
201+阅读 · 2020年5月22日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
专知会员服务
206+阅读 · 2019年8月30日
相关资讯
相关论文
微信扫码咨询专知VIP会员