Papers09:44
Chinese content扩散环境中多臂老虎机策略梯度的收敛与遗憾界这篇论文用Lyapunov函数严格证明了策略梯度在扩散环境老虎机里的收敛性，遗憾界做到O(log T)，搞理论的人可以看看。
#policy gradient
1 stories · 0 in 7 days · 0 in 30 days
Stories, products and papers tagged "policy gradient", newest first.
Aug 3
这篇论文用Lyapunov函数严格证明了策略梯度在扩散环境老虎机里的收敛性，遗憾界做到O(log T)，搞理论的人可以看看。