[其他] 计算视觉Online Stochastic Shortest Path with Bandit Feedback and Unknown Transi ... [推广有奖]

0关注
3粉丝

已卖：169份资源

教授

92%

还不是VIP/贵宾

威望: 0 级
论坛币: 61 个
通用积分: 108.4266
学术水平: 11 点
热心指数: 34 点
信用等级: 4 点
经验: 19195 点
帖子: 1242
精华: 0
在线时间: 772 小时
注册时间: 2024-1-22
最后登录: 2026-1-2

楼主

Luce2030 发表于 2025-7-27 11:58:47 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Online Stochastic Shortest Path with
  Bandit Feedback and Unknown Transition Function

      Aviv Rosenberg             Yishay Mansour
   Tel Aviv University, Israel       Tel Aviv University, Israel
   avivros007@gmail.com          and Google Research, Israel
                        mansour.yishay@gmail.com

                     Abstract
   We consider online learning in episodic loop-free Markov decision processes
   (MDPs), where the loss function can change arbitr ...