arxiv：2401.05233v1 [cs.lg] 2024年1月10日__

arxiv：2401.05233v1 [cs.lg] 2024年1月10日

可下载资源数量

已经购买

下载数量：1

单价	0 5.0
Coupon	100% 0%
Total	0 5.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2401.05233v1 [cs.lg] 2024年1月10日

¥ 5.0

热度

科学和工程的许多领域都涉及随着时间的推移做出一系列决策，以前的决策以不确定的方式影响未来。中心挑战是选择一项决策政策，该政策在更长的时间内导致理想的结果。例如，在治疗诸如糖尿病等慢性疾病[42]时，临床医生可以根据患者的病史从一系列治疗中进行选择，并且任何此类政策在将来对患者的状态产生不确定的影响。在一个相当不同的领域中，核融合系统的Tokamak系统的设计需要学习血浆控制和塑形的政策[7]；这里的动作或决策是通过磁性耦合到等离子体的线圈进行的。其他应用程序包括企业的库存和定价系统[15]；机器人技术和自动驾驶中的导航系统[37，24]；野火预防和管理的资源部署[1]；以及对工业过程的优化和控制[35]。马尔可夫决策过程提供了一个灵活的框架来描述此类序列问题，并加强学习（RL）是指估计策略的一类广泛的数据驱动方法。某些应用程序是数据丰富的，这意味着从基础过程中收集状态，行动和奖励的样本相对便宜。当访问大型样本量时，RL方法已被证明是非常成功的，在竞争性游戏中特别重要的例子（例如，Alphago及其扩展[34]）。但是，许多应用程序的样本量更大，有时称为“小数据”设置，这使得RL的部署更具挑战性。例如，在医疗保健应用中，有限的数据可用于某些类型的疾病或某些类型的患者[42]。同样，对于财务组合优化（例如[31]），由于缺乏历史或基础，有效数据尺寸通常非常有限

添加pdf代下载 VIP点击下载文件