Defensive Policy Gradient：去掉重要性权重方差假设的 O(ε⁻³) 采样复杂度
优化策略梯度的人可以看看：新算法 Defensive Policy Gradient 不再依赖重要性权重方差假设，就能拿到 O(ε⁻³) 采样复杂度，还配了下界证明。
#Defensive Policy Gradient
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Defensive Policy Gradient」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月5日