LEARNING
基于批处理的鲁棒异步Q学习：应对奖励与状态破坏
Sreejeet Maity, Aritra Mitra
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种名为BR-Async-Q的鲁棒Q学习算法，通过将在线数据流分批处理并构建鲁棒的贝尔曼最优算子估计，来抵御奖励和状态观测的对抗性破坏。该算法在理论上首次为异步Q学习提供了面对双重破坏的鲁棒性保证，且当仅奖励被破坏时，其误差界在最小最大意义下最优。
关键词
robust Q-learningadversarial corruptionbatch processingasynchronous learningHuber contamination
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018