suboptimality gap | BriefGPT

关键词suboptimality gap

搜索结果 - 7

LC-Tsalis-INF: 广义的两全其美线性上下文决策者
本研究针对具有独立同分布 (i.i.d.) 上下文的线性情境赌博问题，提出一种基于 Follow-The-Regularized-Leader 和 Tsallis 熵的算法，被称为 α-Linear-Contextual (LC)-Tsal
PDF4 months ago
腐败稳健的离线双人零和马尔可夫博弈
我们研究了线性马尔可夫游戏中离线两人零和游戏中的数据损坏鲁棒性问题，提出了鲁棒版本的悲观极小极大值迭代算法，并给出了关于 epsilon 的 (近) 最优次优性能界限。
PDF4 months ago
可微分的 Frank-Wolfe 优化层
该论文介绍了一种名为 Differentiable Frank-Wolfe Layer（DFWLayer）的可微分层，借助 Frank-Wolfe 方法解决了带约束优化问题，从而提供了处理大规模问题的高效方法。实验证明 DFWLayer 在
PDFa year ago
ICMLActor-Critic 方法在离线强化学习中的可证实益处
提出了一种新的离线演员 - 评论家算法，结合了悲观主义原则，在演员策略的动作价值函数封闭的情况下，具有多个优点，并能够在计算上处理封闭的 Bellman 评估运算符。
PDF3 years ago
混洗模型下的差分隐私多臂老虎机
本文提出了一种在随机模型下割臀膜机制下的多臂老虎机问题的差分隐私算法，其分别对应具体分布相关和分布无关两种后悔下界，并给出最优算法上界和良好的本地模型表现。
PDF3 years ago
凸优化问题测度空间梯度方法的收敛速度
本文研究凸优化中 Bregman 梯度方法在 $d-$ 维流形空间上的收敛速度，并证明了多项式更新的迭代 $k$ 的次优性差距为 $O (log (k) k^{--1})$，加法更新的次优性差距为 $O (k^{--q/(d+q)})$，证
PDF3 years ago
具有恒定子最优性差异的可线性实现 MDPs 的指数下界
本研究讨论在线强化学习问题，探讨了是否能够通过加入一个常数子优性差值的假设来实现有效学习，结果发现即使假设线性实现了最优 Q 函数，仍然需要指数级别的样本量，进一步证明在线学习和生成模型学习之间存在指数差距。
PDF3 years ago