Bruno Scherrer
収録論文 4本 ・ フィジカルAI/ロボット学習
強化学習理論強化学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 方策反復法の計算量に関する上界の改良と一般化強化学習理論2013/6/1
マルコフ決定過程における方策反復法(Howard法とSimplex-PI)の収束反復回数の上界を改良し、割引率に依存しない構造的性質に基づく新たな上界も導出した理論研究。
- 局所方策探索の任意の局所最適解が持つ大域的性能保証強化学習2013/6/1
局所方策探索で得られる任意の(近似)局所最適解が、大域的な性能保証を満たすことを示し、直接方策反復との比較や実用的・理論的含意を議論した論文。
- 適格度トレースを用いたオフポリシー学習のサーベイ強化学習2013/4/1
マルコフ決定過程におけるオフポリシー学習の手法を統一的に整理し、既存アルゴリズムの適応と新拡張を導出して収束性と実験的挙動を比較したサーベイ論文。
- λ方策反復の性能限界とテトリスへの応用強化学習2007/11/1
λ方策反復の収束率限界を導出し、近似版の理論を整備した上で、テトリス制御器の学習に適用して従来の「逆説的」な結果を再検討した論文。
