待验证50% 置信事实精确时间
线性混合MDP是一类函数近似设定，转移概率被假设为已知基特征的线性组合：P(s'|s,a)=Σφ_i(s'|s,a)θ_i，其中φ_i是已知特征，θ是未知参数，允许状态空间巨大甚至连续但保留可学习的线性结构。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证MDP由四元组(S, A, P, R)定义：状态集合S、动作集合A、状态转移概率P和奖励函数R76% 相似已验证马尔可夫决策过程（MDP）在数学上由五元组（S, A, P, R, γ）定义70% 相似待验证占用度量d^π(s,a)刻画策略π在MDP中访问状态-动作对(s,a)的期望次数或归一化分布，在情景式MDP中同时编码了策略的长期行为。69% 相似待验证逻辑回归假设对数几率（log-odds）是特征的线性组合，通过 sigmoid 映射到概率空间，并以交叉熵（对数似然）作为目标函数66% 相似已验证马尔可夫决策过程（MDP）为强化学习提供了完整的数学框架，其马尔可夫性质认为未来状态仅取决于当前状态与动作66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012970API
curl https://kongchang.com/api/v1/knowledge/claims/1012970MCP
get_claim(id=1012970)