喵ID:X41Dqc免责声明

An Optimal Tightness Bound for the Simulation Lemma

模拟引理的最优紧界

基本信息

DOI:
--
发表时间:
2024
期刊:
影响因子:
--
通讯作者:
Ronald Parr
中科院分区:
文献类型:
--
作者: Sam Lobel;Ronald Parr研究方向: -- MeSH主题词: --
关键词: --
来源链接:pubmed详情页地址

文献摘要

We present a bound for value-prediction error with respect to model misspecification that is tight, including constant factors. This is a direct improvement of the"simulation lemma,"a foundational result in reinforcement learning. We demonstrate that existing bounds are quite loose, becoming vacuous for large discount factors, due to the suboptimal treatment of compounding probability errors. By carefully considering this quantity on its own, instead of as a subcomponent of value error, we derive a bound that is sub-linear with respect to transition function misspecification. We then demonstrate broader applicability of this technique, improving a similar bound in the related subfield of hierarchical abstraction.
我们给出了一个关于模型误设的价值预测误差的界,这个界是紧的,包括常数因子。这是对“模拟引理”的直接改进,“模拟引理”是强化学习中的一个基础性结果。我们证明现有的界相当宽松,对于大的折扣因子会变得没有意义,这是由于对复合概率误差的次优处理。通过仔细单独考虑这个量,而不是将其作为价值误差的一个子成分,我们推导出了一个关于转移函数误设为次线性的界。然后我们证明了这种技术更广泛的适用性,改进了分层抽象相关子领域中的一个类似的界。
参考文献(2)
被引文献(0)

数据更新时间:{{ references.updateTime }}

Ronald Parr
通讯地址:
--
所属机构:
--
电子邮件地址:
--
免责声明免责声明
1、猫眼课题宝专注于为科研工作者提供省时、高效的文献资源检索和预览服务;
2、网站中的文献信息均来自公开、合规、透明的互联网文献查询网站,可以通过页面中的“来源链接”跳转数据网站。
3、在猫眼课题宝点击“求助全文”按钮,发布文献应助需求时求助者需要支付50喵币作为应助成功后的答谢给应助者,发送到用助者账户中。若文献求助失败支付的50喵币将退还至求助者账户中。所支付的喵币仅作为答谢,而不是作为文献的“购买”费用,平台也不从中收取任何费用,
4、特别提醒用户通过求助获得的文献原文仅用户个人学习使用,不得用于商业用途,否则一切风险由用户本人承担;
5、本平台尊重知识产权,如果权利所有者认为平台内容侵犯了其合法权益,可以通过本平台提供的版权投诉渠道提出投诉。一经核实,我们将立即采取措施删除/下架/断链等措施。
我已知晓