Isaac Grosof

無限状態MDPとそれが強化学習で果たす役割についての考察。

この研究は、到着率やサービス率の変動が列にどう影響するかを調べてるよ。

この記事では、大規模な状態空間における効率的な意思決定のための自然政策勾配について考察しています。