Robustes Average-Reward RL: Q-Learning und Actor-Critic mit Õ(ε⁻²) Konvergenz · Lumeric
Beitrag
FORSCHUNGarxiv.org· ArXiv cs.LG★Pro7h
Robustes Average-Reward RL: Q-Learning und Actor-Critic mit Õ(ε⁻²) Konvergenz
Pro-Quelle
Dieser Beitrag stammt aus einer Pro-Quelle. Mit Lumeric Pro liest du den vollständigen Eintrag inklusive „Warum es zählt", Quelle und verwandten Beiträgen.