Intrinsically Efficient, Stable, and Bounded Off-Policy Evaluation for Reinforcement Learning
Intrinsically Efficient, Stable, and Bounded Off-Policy Evaluation for Reinforcement Learning
复制标题
本质上高效、稳定且有界的强化学习离策略评估
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Uehara, Masatoshi
中科院分区：
文献类型：
--
作者：
Kallus, Nathan;Uehara, Masatoshi
登录
查看更多内容
DOI：
10.1073/pnas.1119407109
发表时间：
2012-05-15
影响因子：
11.1
作者：
Bowsher, Clive G.;Swain, Peter S.
通讯作者：
Swain, Peter S.
平衡的政策评估和学习
DOI：
--
发表时间：
2018
期刊：
Advances in neural information processing systems
影响因子：
--
作者：
Kallus, Nathan
通讯作者：
Kallus, Nathan
DOI：
10.1214/07-sts227b
发表时间：
2007-01-01
期刊：
Statistical science : a review journal of the Institute of Mathematical Statistics
影响因子：
--
作者：
Tsiatis, Anastasios A;Davidian, Marie
通讯作者：
Davidian, Marie
通过最佳平衡进行潜在混杂因素的政策评估
DOI：
--
发表时间：
2019
期刊：
Advances in neural information processing systems
影响因子：
--
作者：
Bennett, Andrew;Kallus, Nathan
通讯作者：
Kallus, Nathan