Aprendizaje de Envolventes de Valor para RL Online: Un Enfoque Principiado
Acelera el RL online con envolventes de valor aprendidas de datos offline. Reduce el arrepentimiento y mejora resultados.
#algoritmo ucb
Aprendizaje en mercados de emparejamiento con bandido
Descubre cómo un algoritmo UCB aprende equilibrios en juegos de emparejamiento con retroalimentación de bandido. Resultados sublineales.
Q-Learning con arrepentimiento fino basado en brechas
Nuevos algoritmos UCB y AMB mejoran el arrepentimiento fino dependiente de brecha en Q-Learning, superando limitaciones previas en MDP tabulares.