BriefGPT.xyz
Feb, 2016
汤普森抽样在一般环境中是渐近最优的
Thompson Sampling is Asymptotically Optimal in General Environments
HTML
PDF
Jan Leike, Tor Lattimore, Laurent Orseau, Marcus Hutter
TL;DR
本研究提出了一种Thompson抽样的变种，用于非参数强化学习中的一类计数的随机环境中，实现了学习环境类的效果，同时假设为可恢复情况下遗憾率是亚线性的。
Abstract
We discuss a variant of
thompson sampling
for
nonparametric reinforcement learning
in a countable classes of general
stochastic environments
→