Lyapunov-Certified Direct Switching Theory for Q-Learning
यह शोध पत्र Q-लर्निंग के त्रुटि गतिकी (error dynamics) को एक स्टोकेस्टिक स्विचिंग लीनियर सिस्टम के रूप में मॉडल करके इसके विश्लेषण के लिए एक नवीन ढांचे को प्रस्तुत करता है, जो जॉइंट स्पेक्ट्रल रेडियस पर आधारित एक परिमित-समय अभिसरण दर (finite-time convergence rate) विश्लेषण को सक्षम बनाता है जो पारंपरिक रो-सम विधियों की तुलना में अधिक सटीक वर्स्ट-केस एक्सपोनेंशियल बाउंड्स प्रदान करता है।