A Fitted-Q Algorithm for Budgeted MDPs

Type de document :
Communication dans un congrès avec actes
Titre :
A Fitted-Q Algorithm for Budgeted MDPs
Auteur(s) :
Carrara, Nicolas [Auteur]
Orange Labs [Lannion]
Sequential Learning [SEQUEL]
Laroche, Romain [Auteur]
Maluuba
Bouraoui, Jean-Léon [Auteur]
Orange Labs [Lannion]
Urvoy, Tanguy [Auteur]
Orange Labs [Lannion]
Pietquin, Olivier [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Titre de la manifestation scientifique :
EWRL 2018 - 14th European workshop on Reinforcement Learning
Ville :
Lille
Pays :
France
Date de début de la manifestation scientifique :
2018-10-01
Date de publication :
2018
Mot(s)-clé(s) en anglais :
Budgeted-MDP
Fitted-Q
Reinforcement Learning
Discipline(s) HAL :
Informatique [cs]/Intelligence artificielle [cs.AI]
Résumé en anglais : [en]
We address the problem of budgeted reinforcement learning, in continuous state-space, using a batch of transitions. To this extend, we introduce a novel algorithm called Budgeted Fitted-Q (BFTQ). Benchmarks show that BFTQ ...
Lire la suite >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Harvested from HAL
Fichiers
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail