🤖 machine learning
Bridging the Gap between Newton-Raphson Method and Regularized Policy Iteration
यह शोधपत्र यह स्थापित करता है कि रेगुलराइज्ड पॉलिसी इटरेशन (Regularized Policy Iteration), स्मूथ बेलमैन समीकरणों (smoothed Bellman equations) पर लागू न्यूटन-राफसन विधि के औपचारिक रूप से समतुल्य है, जिससे इसकी स्थानीय द्विघाती अभिसरणता (local quadratic convergence) सिद्ध होती है (जो शैनन एंट्रॉपी के लिए आयाम-मुक्त है) और रेगुलराइज्ड मार्कोव निर्णय प्रक्रियाओं (regularized Markov decision processes) के लिए एक नए तृतीय-क्रम अभिसरण एल्गोरिदम के विकास को सक्षम बनाती है।