Bandidos inquietos: indexabilidad PCL con retroalimentación binaria imperfecta
Calcula el índice de Whittle para bandidos inquietos con retroalimentación binaria imperfecta. Optimiza decisiones en espectro oportunista.
#procesos de decisión
Aprendizaje por refuerzo con observaciones activadas por acciones
Descubre cómo ATST-MDP optimiza el aprendizaje por refuerzo con observaciones activadas por acciones, mejorando la eficiencia en entornos parcialmente observables.
Decodificación Bellman-Taylor para MDP con acciones estado-dependientes
La decodificación Bellman-Taylor optimiza políticas en MDP con acciones estado-dependientes, superando RL tradicional. Resultados óptimos en control de colas.
Desaprendizaje exacto en aprendizaje por refuerzo
Descubre cómo un nuevo algoritmo de RL permite eliminar datos de usuarios de forma exacta y eficiente, reduciendo el costo computacional. ¡Optimiza la privacidad!
Aprendizaje bayesiano para el problema de ruta más corta estocástica
Aprende cómo el aprendizaje bayesiano cuantifica la incertidumbre en rutas estocásticas, mejorando la eficiencia de datos frente a métodos tradicionales.
Gradiente de Política para MDP Robustos en Tiempo Continuo
Descubre cómo los algoritmos de gradiente de política en tiempo continuo mejoran la robustez en MDPs, con convergencia lineal y menor complejidad muestral.
Conjunto semi-algebraico de valor en POMDPs
Aprende cómo el conjunto semi-algebraico de la función de valor en POMDPs revela una geometría no lineal y maximizadores locales.
Complejidad polinomial de iteración de políticas para MDP robustos L∞
Descubre cómo la iteración de políticas alcanza tiempo polinomial fuerte para MDPs robustos con conjuntos L∞. Un avance clave en optimización secuencial.
Pruebas secuenciales asintóticamente óptimas con datos markovianos
Descubre un método asintóticamente óptimo para pruebas secuenciales en cadenas de Markov. Mejora límites inferiores y aplicaciones en MCMC y MDPs.
RL continuo seguro con interacción limitada en tratamientos médicos dinámicos
Un nuevo marco de RL continuo seguro optimiza el momento de las interacciones clínicas y garantiza seguridad en toda la trayectoria. ¡Lee el artículo!
Blindaje Robusto para Aprendizaje por Refuerzo Seguro
Descubre el blindaje robusto para RL seguro. Garantiza seguridad en MDPs con transiciones inciertas mediante lógica temporal. Ideal para alta incertidumbre.
Comportamiento de Teoría de Prospectos en MDPs con Estados Catastróficos
Descubre cómo la optimalidad de Bellman en MDPs con estados catastróficos produce aversión a pérdidas y efecto reflejo, sin preferencias de riesgo.