arXiv · Machine Learning· Mattie Fellows, Clarisse Wibault, Uljad Berdica, Johannes Forkel, Maike Osborne, Jakob N. Foerster·· 8 小时前AI 评分42
SOReL与TOReL：实现完全离线强化学习及超参数选择的理论框架
Fully Offline Reinforcement Learning
AI 导读
SOReL通过贝叶斯模型学习环境动态的后验分布，并利用预测不确定性估计策略价值，实现完全离线的超参数选择。TOReL进一步将这一调优框架扩展至任意基于模型和无模型的离线强化学习算法。理论分析证明，在标准正则条件下，贝叶斯离线强化学习可达到参数化问题的极小极大最优收敛速率。
来源：arXiv · Machine Learning · arxiv.org