Siva Theja Maguluri

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。

変化し続けるシステムで分散を見積もる効率的な方法を紹介するよ。