软件搜索-zbMATH Open

SBEED公司

swMATH ID:	34727
软件作者：	Bo Dai、Albert Shaw、Lihong Li、Lin Xiao、Niao He、Zhen Liu、Jianshu Chen、Le Song
描述：	SBEED：非线性函数逼近的收敛强化学习。当使用函数逼近时，求解具有稳定性保证的Bellman最优方程一直是强化学习中的一个主要开放问题。基本困难在于，Bellman算子可能会成为一般的扩展，从而导致Q学习等流行算法的振荡甚至发散行为。在本文中，我们重新讨论了Bellman方程，并使用Nesterov的平滑技术和Legendre-Fincel变换将其重新构造为一个新的原对偶优化问题。然后，我们开发了一种新的算法，称为平滑Bellman错误嵌入，以解决可以使用任何可微函数类的优化问题。我们提供了一般非线性函数逼近的第一个收敛保证，并分析了算法的样本复杂度。从经验上讲，我们的算法在几个基准控制问题上优于最先进的基线。
主页：	https://arxiv.org/abs/1712.10285
相关软件：	OpenAI健身房；github；Wasserstein甘；CVXPY公司；像素x像素；CycleGAN公司；阿尔法零；RMS公司；亚当；伦敦银行支持向量机；多最小值；UCI-毫升；青蒿素；DSCOVR公司；MuJoCo公司；基线；火炬；火炬差异；平方英寸；PILCO公司
引用于：	18文件

2	岑世聪
2	陈雨欣
2	池月洁
2	梅萨姆·拉扎维亚因
1	理查德·阿奇博尔德
1	阿扎姆·阿斯尔
1	Krishnakumar Balasubramanian
1	包，冯
1	鲍旭灿
1	阿纳·布西奇
1	曹燕钊
1	陈伟杰
1	陈欣
1	陈诚
1	阿迪蒂亚·德夫拉吉。
1	迪尔隆（Dhillon，Inderjit S.）。
1	冯、梁
1	格罗斯，罗杰
1	本·M·汉布利。
1	他，尼奥
1	洪明毅
1	胡一凡
1	黄、白鹤
1	Jason D·李。
1	Laurent Lessard
1	李浩亚
1	李永丰
1	林，启航
1	刘明瑞
1	安德鲁·洛伊
1	陆海浩
1	马世谦
1	阿西克·鲁帕姆·马哈茂德
1	Guglielmo Manneschi
1	阿尔贝托·玛丽亚·梅特利
1	肖恩·梅恩（Sean P.Meyn）。
1	德米特里·奥斯特罗夫斯基。
1	潘伟伟
1	拉菲克·哈桑
1	马塞洛·雷斯特利
1	沈晶晶
1	理查德·萨顿。
1	谭涛
1	王梦迪
1	王中若
1	魏玉婷
1	Wen，Zaiwen先生
1	谢，洪
1	徐仁元
1	Xu，子
1	杨惠宁
1	杨金文
1	杨天宝
1	英、乐兴
1	余湘富
1	于慧珍
1	詹文浩
1	张国栋
1	张、何
1	张俊宇
1	张树忠
1	赵明明