待验证50% 置信事实精确时间
MD 每一步迭代的核心计算量集中在对势能函数的求值与梯度计算上。
1
来源数
50%
置信度
长期有效
时效性
2026/11/16
首次发现
来源
涉及实体
相关事实
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。70% 相似待验证对于自适应设计,作者给出了最优的样本分配策略,即根据状态-动作对的不确定性分配采样次数。模拟实验在小规模MDP上验证了理论速率和常数。67% 相似待验证伴随灵敏度分析通过引入伴随变量,只需额外求解一次反向方程组即可同时获得目标函数对所有参数的梯度信息,相比正向灵敏度分析在高维模型中具有显著计算优势66% 相似待验证实验揭示了循环排列参数对估计精度的影响规律,为实际应用中的参数选择提供了指导。66% 相似已验证常用的校准方法包括Platt Scaling(使用逻辑回归拟合sigmoid函数)和Isotonic Regression(使用保序回归拟合非参数单调映射)66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1177660API
curl https://kongchang.com/api/v1/knowledge/claims/1177660MCP
get_claim(id=1177660)