Математика > Оптимизация и контроль [представлено 27 октября 2026 года] Название: Frequence-Uniform Log-Regret Ustitution for Difluations View PDF HTML (экспериментальное) резюме: Проблемы высокочастотного контроля часто изучаются во времени, но утоление временных этапов $\delta$ увеличивает дискретный горизонт $H=Т/Дельта долл. и может привести к ухудшению стандартных окончательных гарантий сожалений даже в том случае, когда физический горизонт будет установлен в долларах ТТ. Мы изучаем обучение на основе эпизодической ценности для декрементации Эйлера контролируемых диффузий. Эффективность измеряется как совокупное сожаление по поводу эпизодов в размере $K по сравнению с оптимальной политикой соответствующей модели Эйлера. В условиях стабильности и регулярности градиентов функции ценности, остаточных производных Беллмана и встроенных критиков мы доказываем, что сожаление по поводу $\mathcal {O}(log K) долларов связывается с константами униформы в delta$. Для динамики с линейным дрейфом в неизвестных параметрах и неизвестной ковариатурой постоянного рассеивания мы проверяем локализованные версии этих условий для ограниченного, на основе модели контролируемого диффузия установленного алгоритма Q$ (CD-FQ) и получаем высокую вероятность сожаления по фиксированному и конечному курсу в долл. Текущий контекст просмотра: математики.OC ссылки и цитаты Загрузка... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что…
Униформированная система регистрации данных о частоте
arXiv: 261 036 67758v1 Annualce Type: crectraview: Проблемы высокочастотного контроля часто изучаются в течение времени, но уточнение временной последовательности увеличивает дискретный горизонт $H=T/\delta$ и может привести к ухудшению стандартных окончательных гарантий сожалений даже при фиксированном физическом горизонте $T. Мы изучаем обучение на основе эпизодической ценности для декрементации Эйлера контролируемых диффузий. Эффективность измеряется как совокупное сожаление по поводу эпизодов в размере $K по сравнению с оптимальной политикой соответствующей модели Эйлера. В условиях стабильности и регулярности градиентов функции ценности, остаточных производных Беллмана и встроенных критиков мы доказываем, что сожаление по поводу $\mathcal {O}(log K) долларов связывается с константами униформы в delta$. Для динамики с линейным дрейфом в неизвестных параметрах и неизвестной постоянной диффузионной ковариентности мы проверяем локализованные версии этих условий для ограниченного, на основе моделей контролируемого дисфузии установленного алгоритма Q$ (CD-FQ) и обтайского алгория