Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Robust Reinforcement Learning Under Model Uncertainty: Algorithms and Fundamental Limits
Proyek riset & pengembangan

CAREER: Robust Reinforcement Learning Under Model Uncertainty: Algorithms and Fundamental Limits

Ringkasan tujuan riset

Pembelajaran penguatan tangguh secara distribusional diteliti untuk menjaga kebijakan keputusan ketika lingkungan penerapan berbeda dari data latihan atau model simulasi.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2337375Periode tercatat 2024-09-01 sampai 2024-09-30.NSF 2337375MulaiAkhir tercatat202420252024-09-012024-09-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Tiga jalur mengembangkan dasar algoritmik untuk imbalan rata-rata jangka panjang, pembelajaran dari data luring tanpa eksplorasi aktif, dan optimasi dengan kendala di bawah ketidakpastian model. Analisis konvergensi serta kompleksitas mencari batas fundamental dan algoritme minimaks optimal. Penelitian ditujukan untuk mengurangi penurunan kinerja akibat gangguan, perubahan lingkungan atau data terbatas, tetapi jaminan yang diusulkan mengikuti formulasi ketidakpastian dan asumsi teoritisnya.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
SUNY at Buffalo
Program
CCSS-Comms Circuits & Sens Sys
Periode pendanaan tercatat
2024-09-01 → 2024-09-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Division of Electrical, Communications and Cyber Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFTidak aktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.