リセット行動が存在する制約付き既約MDPに対するリグレット解析

• 資料種別: 博士論文
• タイトル: リセット行動が存在する制約付き既約MDPに対するリグレット解析
• 著者・編者: 渡部, 崇
• 著者標目: 渡部, 崇 ワタナベ, タカシ
• 出版事項: Kyoto University
• 出版年月日等: 2020-03-23
• 出版年（W3CDTF）: 2020-03-23
• 並列タイトル等: Regret analysis of constrained irreducible MDPs with reset action
• 寄与者: 櫻川, 貴司; 立木, 秀樹; 日置, 尋久
• 授与機関名: 京都大学; Kyoto University
• 授与年月日: 2020-03-23
• 報告番号: 甲第22535号
• 学位: 博士(人間・環境学)
• 本文の言語コード: eng
• 件名標目: reinforcement learning; long-term average reward; constrained Markov decision processes; regret; online-learning
• NDC: 361
• 対象利用者: 一般
• 一般注記: 出版タイプ： NA
• DOI: 10.14989/doctor.k22535; https://doi.org/10.14989/doctor.k22535
• オンライン閲覧公開範囲: インターネット公開
• 著作権情報: 学位規則第9条第2項により要約公開; 許諾条件により要約は2021-03-20に公開; © 2020 the authors of the paper. This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive version was published in Proceedings of the 4th International Conference on Machine Learning and Soft Computing, https://doi.org/10.1145/3380688.3380706.
• 異版（DOI）: 10.1145/3380688.3380706; https://doi.org/10.1145/3380688.3380706
• 連携機関・データベース: 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）; https://irdb.nii.ac.jp
• 提供元機関・データベース: 京都大学 : 京都大学学術情報リポジトリ