کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
We consider the problem of estimating the asymptotic variance of a function defined on a Markov chain, an important step for statistical inference of the stationary mean. We design the first recursive estimator that requires $O(1)$ computation at each step, does not require storing any historical samples or any prior knowledge of run-length, and has optimal $O(\frac{1}{n})$ rate of convergence for the mean-squared error (MSE) with provable finite sample guarantees. Here, $n$ refers to the total number of samples generated. The previously best-known rate of convergence in MSE was $O(\frac{\log n}{n})$, achieved by jackknifed estimators, which also do not enjoy these other desirable properties. Our estimator is based on linear stochastic approximation of an equivalent formulation of the asymptotic variance in terms of the solution of the Poisson equation. We generalize our estimator in several directions, including estimating the covariance matrix for vector-valued functions, estimating the stationary variance of a Markov chain, and approximately estimating the asymptotic variance in settings where the state space of the underlying Markov chain is large. We also show applications of our estimator in average reward reinforcement learning (RL), where we work with asymptotic variance as a risk measure to model safety-critical applications. We design a temporal-difference type algorithm tailored for policy evaluation in this context. We consider both the tabular and linear function approximation settings. Our work paves the way for developing actor-critic style algorithms for variance-constrained RL.
چکیده به فارسی (ترجمه ماشینی)
ما مشکل تخمین واریانس بدون علامت یک تابع تعریف شده در یک زنجیره مارکوف را در نظر می گیریم ، یک گام مهم برای استنباط آماری میانگین ثابت.ما اولین برآوردگر بازگشتی را طراحی می کنیم که در هر مرحله به محاسبه $ O (1) $ نیاز دارد ، نیازی به ذخیره نمونه های تاریخی یا دانش قبلی از طول اجرا ندارد و دارای $ OPOMAL O (\ frac {1} {n}) است.$ نرخ همگرایی برای خطای میانگین مربع (MSE) با ضمانت های نمونه محدود.در اینجا ، $ n $ به تعداد کل نمونه های تولید شده اشاره دارد.نرخ همگرایی قبلاً شناخته شده در MSE $ O (\ frac {\ log n} {n}) $ بود ، که توسط برآوردگرهای jackknifed حاصل می شود ، که از این ویژگی های مطلوب دیگر نیز برخوردار نیستند.برآوردگر ما مبتنی بر تقریب تصادفی خطی از فرمولاسیون معادل واریانس بدون علامت از نظر حل معادله پواسون است.ما برآوردگر خود را در چندین جهت تعمیم می دهیم ، از جمله تخمین ماتریس کواریانس برای توابع با ارزش بردار ، برآورد واریانس ثابت یک زنجیره مارکوف ، و تقریباً تخمین واریانس بدون علامت در تنظیماتی که فضای حالت زنجیره زیربنایی زنجیره مارکوف بزرگ است.ما همچنین برنامه های برآوردگر خود را در یادگیری تقویت پاداش متوسط (RL) نشان می دهیم ، جایی که با واریانس بدون علامت به عنوان یک اندازه گیری خطر برای مدل سازی برنامه های ایمنی مهم کار می کنیم.ما یک الگوریتم نوع اختلاف زمانی متناسب با ارزیابی سیاست در این زمینه طراحی می کنیم.ما هر دو تنظیمات تقریب عملکرد جدولی و خطی را در نظر می گیریم.کار ما راه را برای توسعه الگوریتم های سبک بازیگر-انتقادی برای RL محدود شده واریانس هموار می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
