five

Reinforcement Learning with Delayed, Composite, and Partially Anonymous Reward

收藏
DataCite Commons2024-12-16 更新2025-04-16 收录
下载链接:
https://service.tib.eu/ldmservice/dataset/36ea7066-82a5-42c9-8be5-e3945f48a1e4
下载链接
链接失效反馈
官方服务:
资源简介:
We investigate an infinite-horizon average reward Markov Decision Process (MDP) with delayed, composite, and partially anonymous reward feedback.

本文针对一类带有延迟、复合且部分匿名回报反馈的无限时域平均回报马尔可夫决策过程(Markov Decision Process,MDP)展开了研究。
提供机构:
TIB
创建时间:
2024-12-16
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作