穆尼奥斯,雷米 连续时间内的策略梯度。 (英语) Zbl 1222.68381号 J.马赫。学习。物件。 771-791(2006年).MSC公司:68T20型 68T05型 93E20型 PDF格式BibTeX公司 XML格式引用 \textit{R.Munos},J.Mach。学习。第771--791号决议(2006年;Zbl 1222.68381) 全文: 链接
雷米·穆诺斯 马尔可夫链中的几何方差约简:应用于值函数和梯度估计。 (英语) Zbl 1222.62103号 J.马赫。学习。物件。 7, 413-427 (2006).MSC公司:2005年6月2日 65二氧化碳 PDF格式BibTeX公司 XML格式引用 \textit{R.Munos},J.Mach。学习。第7413-427号决议(2006年;Zbl 1222.62103) 全文: 链接