最小二乘时序差分中的正则化：罚函数和贝叶斯的比较
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究意义 | 第8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文的组织结构 | 第9-12页 |
| 2 最小二乘时序差分 | 第12-20页 |
| 2.1 问题描述及基本方法 | 第12-14页 |
| 2.1.1 马尔科夫决策过程 | 第12-13页 |
| 2.1.2 价值函数的线性近似 | 第13-14页 |
| 2.1.3 最小二乘时序差分 | 第14页 |
| 2.2 带正则项的最小二乘时序差分 | 第14-17页 |
| 2.2.1 l_2和l_1罚函数 | 第14-16页 |
| 2.2.2 非凸罚函数 | 第16-17页 |
| 2.3 扩展到控制问题 | 第17-18页 |
| 2.4 本章小结 | 第18-20页 |
| 3 最小二乘时序差分中的贝叶斯推断 | 第20-30页 |
| 3.1 层次贝叶斯模型和吉布斯采样 | 第20-21页 |
| 3.2 贝叶斯最小二乘时序差分 | 第21-28页 |
| 3.2.1 模型结构 | 第21-22页 |
| 3.2.2 全条件后验分布 | 第22-26页 |
| 3.2.3 预先正交标准化处理 | 第26页 |
| 3.2.4 正则化参数的选择 | 第26-28页 |
| 3.3 与最优化方法解的比较 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 数值实验 | 第30-38页 |
| 4.1 马尔科夫链问题 | 第30-35页 |
| 4.2 爬山车问题 | 第35-36页 |
| 4.3 本章小结 | 第36-38页 |
| 5 总结 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 致谢 | 第44-45页 |
