Regret analysis of constrained irreducible MDPs with reset action / リセット行動が存在する制約付き既約MDPに対するリグレット解析

Description

京都大学 / 0048 / 新制・課程博士 / 博士(人間・環境学) / 甲第22535号 / 人博第938号 / 新制||人||223(附属図書館) / 2019||人博||938(吉田南総合図書館) / 京都大学大学院人間・環境学研究科共生人間学専攻 / (主査)准教授 櫻川 貴司, 教授 立木 秀樹, 教授 日置 尋久 / 学位規則第4条第1項該当 / Doctor of Human and Environmental Studies / Kyoto University / DGAM

Links & Downloads

1. http://hdl.handle.net/2433/253371
2. 14301甲第22535号
3. 10.14989/doctor.k22535
4. 14301

Tags

reinforcement learning

long-term average reward

constrained Markov decision processes

regret

online-learning

361

Additional Fields

Identifer	oai:union.ndltd.org:kyoto-u.ac.jp/oai:repository.kulib.kyoto-u.ac.jp:2433/253371
Date	23 March 2020
Creators	Watanabe, Takashi
Contributors	櫻川, 貴司, 立木, 秀樹, 日置, 尋久, 渡部, 崇, ワタナベ, タカシ
Publisher	Kyoto University, 京都大学
Source Sets	Kyoto University
Language	English
Detected Language	English
Type	doctoral thesis, Thesis or Dissertation
Format	application/pdf
Rights	学位規則第9条第2項により要約公開, 許諾条件により要約は2021-03-20に公開, © 2020 the authors of the paper. This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive version was published in Proceedings of the 4th International Conference on Machine Learning and Soft Computing, https://doi.org/10.1145/3380688.3380706.
Relation	https://doi.org/10.1145/3380688.3380706