MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407949500 · doi:10.1109/cdc56724.2024.10885787

Decentralized Stochastic Control in Borel Spaces: Centralized MDP Reductions, Near Optimality of Finite Window Local Information, and Q-Learning

2024· article· en· W4407949500 sur OpenAlexafffund
Omar Mrani-Zentar, Serdar Yüksel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWindow (computing)Control (management)Computer scienceOptimal controlMathematical optimizationQ-learningMathematicsArtificial intelligenceReinforcement learning

Résumé

récupéré en direct d'OpenAlex

Decentralized stochastic control problems are challenging as their decentralized information structure may prevent the applicability of standard tools in stochastic control. In this paper, we study such problems in general Borel spaces and present novel structural, approximation, and learning results. We consider three related information structures, and study them under a unified theme. (i) We first consider the one-step delayed information sharing pattern (OSDISP) and the K-step periodic information sharing pattern (KSPISP), where we show that these can be reduced to a centralized MDP, generalizing prior results which considered finite or linear models. The separated nature of policies under both information structures, even when all spaces are standard Borel, is then established. (ii) We provide sufficient conditions for the transition kernels of the centralized reductions of both problems to be weakly continuous (weak-Feller), which facilitates rigorous approximation and learning theoretic results. (iii) We will then show that for the completely decentralized information structure (CDIS), which consists of problems where agents can only rely on their local information, finite memory policies are asymptotically near optimal as the memory size increases under a joint conditional mixing condition. This will be achieved by providing a performance bound on the use of finite memory policies. This bound can also be used to provide an upper limit on the performance loss that results from a reduction of the action space associated with the centralized reduction of the KSPISP problem. (iv) Additionally, we will prove that sliding finite-window policies are near optimal for the latter under a predictor stability condition. (v) Finally, we establish that for the OSDISP problem and the KSPISP problem a quantized Q-learning algorithm converges asymptotically towards a near optimal solution.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,231
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNeural Networks and Applications→Travaux en français237 207→