テイラー展開が強化学習に与える影響とは？——新たな得点解読法の可能性を探る
状態依存可能な行動集合を持つマルコフ決定過程に対するベルマン・テイラー得点解読法
査読前の可能性がある研究情報
状態依存可能な行動集合を持つマルコフ決定過程に対する新たな強化学習フレームワークを提案
速報・AI要約未精査
Markov Decision Process
Bellman-Taylor Score Decoding
Deep Reinforcement Learning
Feasible Action Set
arXiv cs.AI