ICML

Scaling Internal-State Policy-Gradient Methods for POMDPs

在部分可观测马尔可夫决策过程中的内部状态策略梯度方法扩展

Douglas Aberdeen, Jonathan Baxter

机构 * Research School of Information Science and Engineering, Australian Nat. University, ACT 0200, Australia（信息科学与工程研究学校，澳大利亚国立大学，ACT 0200，澳大利亚） ； Panscient Pty Ltd, Adelaide, Australia（Panscient Pty Ltd，阿德莱德，澳大利亚） 纠错

AI总结 本文提出改进的策略梯度方法，用于在无限时间 horizon 设置中学习具有记忆的策略，通过直接环境模型或模拟解决大规模 POMDPs 问题。

Journal ref Proceedings of the 19th International Conference on Machine Learning (ICML 2002), 2002, pp. 3--10

Reinforcement Learning in POMDP's via Direct Gradient Ascent

通过直接梯度上升在POMDP中进行强化学习

Jonathan Baxter, Peter L. Bartlett

机构 * Research School of Information Sciences and Engineering（信息科学与工程研究学校） ； Australian National University（澳大利亚国立大学） 纠错

AI总结 本文提出GPOMDP算法，通过直接梯度上升在POMDP中优化策略性能，仅需单条样本路径和一个自由参数，证明其收敛性并用于寻找局部最优解。

Journal ref Proceedings of the 17th International Conference on Machine Learning (ICML 2000), 2000, pp. 41--48