Jun, 2024

通过强化学习实现动态趋势点检测的趋势过滤

PDF
TL;DR提出了一种基于马尔可夫决策过程 (Markov Decision Process, MDP) 的趋势点检测方法，利用强化学习在离散动作空间中进行，通过预测平方损失函数作为奖励来提取动态趋势点 (Dynamic Trend Points, DTPs)，以此纠正因 ' 近似性 ' 而导致的平滑趋势，并在同时去除噪声的过程中保留重要的原始子序列，从而增强预测性能。
trend filteringapproximatenesstrend point detectiondynamic trend pointsreinforcement learning
发现论文，激发创造
  • 强化学习的动态时间调节

    本文提出了一种基于马尔可夫决策过程的动态和可定制的时间差分强化学习方法，旨在利用高频实际数据来改进低频数据的预测，进而改善长期预测的准确性。该方法相较于仅使用历史低频数据，显著提升了长期预测效果，并突显出低频预测可以提升高频预测，同时高频数据也可以为低频预测提供影响。

    Jan, 2022

  • 一种可传递、自动调整的深度强化学习方法，用于成本效益高的网络钓鱼检测

    本文研究了使用增强学习来动态选择并加权选择多个学习模型的效果，在此基础上提出了优化和校准方法，并将其应用于安全策略的迁移，结果显示该方法具有高度的鲁棒性。

    Sep, 2022

  • 标记时空点过程的深度强化学习

    利用深度强化学习方法，能够处理由异步、随机、离散事件构成的连续时间情形下的智能干预问题，并应用于个性化教学和病毒式营销领域，取得了比其他方法更好的效果。

    May, 2018

  • 高维网络流量数据变化点的分布式检测和定位

    本文提出了一种新颖的分布式统计检测算法，可用于高容量的网络流量中的变化点检测和鉴定，尤其适用于检测和识别分布式拒绝服务攻击，所提算法 DTopRank 可通过聚合获取的部分信息，实现分布式网络异常检测，并采用中心决策站点上的非参数等级检验方法，综合记录过滤和双重定向时间序列方法以解决海量数据问题，并可应用于合成数据和互联网服务提供商的某一流量跟踪数据。

    Sep, 2009

  • 趋势滤波调节分段多项式估计

    通过将 trend filtering 估计与局部自适应回归样条进行比较，发现 trend filtering 估计可以更好地适应平滑度的局部水平，与局部自适应回归样条非常相似，而且在 k 阶可变差分函数的情况下，trend filtering 估计收敛于类较小化速率，从而提供了理论支持。

    Apr, 2013

  • 通过强化学习学习时态点过程

    这篇论文提出了一种基于增强学习方法的灵活时空点过程模型的算法，该算法可以生成满足真实数据分布的样本来评估模型质量，并采用逐步改进的策略参数化模型。模拟结果表明其在合成和真实数据中均表现良好。

    Nov, 2018

  • 针对复杂部分观测的判别式粒子滤波强化学习

    本文提出了一种新的强化学习框架 DPFRL，它采用区分性粒子滤波器来进行对复杂部分观察的明确推理，同时在决策中使用学习的区分性更新方法，提高了性能并解决了复杂观测建模的难题，提出的基于矩函数的信念特征在 Flickering Atari Games 和 Habitat 环境实验中有较好的表现。

    Feb, 2020

  • 如何训练可微分滤波器

    本文研究不同类型的过滤算法，特别是可微分的过滤算法对于机器人应用中基于状态估计的决策制定和任务执行的优势，并比较了这些不同方法的表现。

    Dec, 2020

  • 监督学习的 MRP 公式化：广义时间差异学习模型

    该研究提出了一种将数据点视为相互关联的观点，并使用马尔科夫奖励过程（MRP）进行数据建模的统计学习方法。通过引入广义的时序差分（TD）学习算法来重塑传统的有监督学习问题，并与普通最小二乘法（OLS）的解决方案建立联系。同时，该研究还证明了在特定条件下，尤其是在噪声相关时，TD 的解决方案比 OLS 更有效。在线性函数逼近下，该研究建立了广义 TD 算法的收敛性，并通过实证研究验证了理论结果，展示了该算法在各种数据集及任务（如回归和深度学习的图像分类）上的实用性。

    Apr, 2024

  • 实时循环强化学习

    我们提出了一种新颖的强化学习算法，名为实时循环强化学习 (RTRRL)，通过利用随机反馈局部在线学习 (RFLO) 近似实时递归学习 (RTRL) 来计算循环神经网络参数的梯度，并结合具有资格迹的时序差分强化学习 (TD (λ))，能在部分可观测马尔可夫决策过程 (POMDPs) 中解决离散和连续控制任务，达到生物可行并超越了传统的时间反向传播算法 (BPTT)。该方法模拟哺乳动物大脑奖励途径的生物神经网络进行学习。

    Nov, 2023