pessimism | BriefGPT - AI 论文速递

关键词pessimism

搜索结果 - 9

深度强化学习中的悲观和乐观动态探索
通过利用悲观的状态 - 动作值函数更新，以及通过可解释参数独立控制悲观 / 乐观程度，Utility Soft Actor-Critic (USAC) 在离策略演员 - 评论家算法中实现了平衡，可以根据任务的性质，在恰当配置的悲观 / 乐观
PDFa month ago
强化学习中的自助法期望分位数估计
基于预期化引入一种形式的悲观主义，提出了一种新的强化学习方法 ExpectRL，并在处理过度估计问题和鲁棒性强化学习方面取得了比传统方法更好的结果。
PDFa month ago
离线强化学习中的生存本能
研究表明，线下强化学习算法具有一定的鲁棒性，即使使用错误的奖励标签经过训练，也能产生表现良好和安全的策略。该现象归功于线下 RL 算法中的悲观主义和常见数据收集实践中的某种偏见之间的相互作用，该特性在解释现有离线 RL 基准结果和创建未来基
PDFa year ago
离线强化学习的状态感知邻近悲观算法
本文提出了一种基于状态感知的近端悲观算法（SA-PP），通过利用学习策略与离线数据集之间的折扣静态状态分布比率，在状态级别上调节行为正则化的程度，以实现更合适的悲观学习，为此还提出了一种名为状态感知保守 Q-Learning（SA-CQL）
PDF2 years ago
为何如此悲观？通过集成估计离线 RL 的不确定性以及为何独立性很重要
本研究中，我们提出了一种名为 MSG 的实用的离线强化学习算法，该算法针对每个 ensemble member 独立计算目标，利用预测值的下限来优化策略，并在流行的离线 RL 基准测试中表现出优异的性能。
PDF2 years ago
离线强化学习的 Bellman 一致悲观算法
本文介绍了一种 Bellman-consistent 的悲观算法，在深度学习的数据集中使用较为普遍，通过对探索性场景的标准 Bellman 闭合性理论保证了算法的鲁棒性，并且在样本复杂度上比其他算法有显著提高。
PDF3 years ago
深度强化学习中的战术乐观主义和悲观主义
该研究展示了最有效的乐观程度可以随着任务和学习过程的不同而异。启发于这一点，研究人员引入了一种新的深度演员 - 评论员框架，Tactical Optimistic and Pessimistic (TOP) 评估，它在线切换乐观和悲观的价
PDF3 years ago
悲观策略在离线强化学习中能被证明是高效的吗？
本文提出了一种悲观的价值迭代算法（PEVI），它通过引入一个不确定性量化器作为惩罚函数来解决离线强化学习中因数据集覆盖不足而导致的不足问题，并在泛化情况下对其次优性建立了数据相关的上限。
PDF4 years ago
半监督分类的对比悲观似然估计
提出了一种通用的半监督参数估计方法，通过对 “对比度” 和 “悲观主义” 等概念的引入，实现了半监督分类器的改进，并在 LDA 的案例研究中证明了该方法的有效性。
PDF9 years ago