Data-Driven Knowledge Transfer in Batch Q * Learning
批量最优 Q 函数学习中的数据驱动知识迁移AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究马尔可夫决策过程中的强化学习迁移，虽列举经济相关应用，但未明确因果识别或结构估计，故暂不分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
批量最优 Q 函数学习中的数据驱动知识迁移
- 研究问题
- 在平稳的批量动态决策环境中，如何利用已有任务的数据改善新任务的最优 Q 函数估计，并衡量任务差异的影响？
- 方法与思路
- 作者在马尔可夫决策过程框架下定义任务差异，提出结合目标与来源数据的迁移拟合 Q 迭代，并使用一般函数逼近。
- 材料陈述的贡献
- 摘要称在筛逼近下建立学习误差与任务差异及两类样本量的关系，理论和实证结果显示相较单任务学习可减少误差。
- 阅读关注点
- 应核对任务差异的定义、来源数据使用规则、筛逼近与覆盖条件，以及误差改善成立的范围和任务不匹配时的表现。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；误差改善的具体条件未说明，不能据此认定任何来源任务都能带来正向迁移。
原文摘要
In data-driven decision-making across marketing, healthcare, and education, leveraging large datasets from existing ventures is crucial for navigating high-dimensional feature spaces and addressing data scarcity in new ventures. We investigate knowledge transfer in dynamic decision-making by focusing on batch stationary environments and formally defining task discrepancies through the framework of Markov decision processes (MDPs). We propose the Transfer Fitted Q-Iteration algorithm with general function approximation, which enables direct estimation of the optimal action-state function Q* using both target and source data. Under sieve approximation, we establish the relationship between statistical performance and the MDP task discrepancy, highlighting the influence of source and target sample sizes and task discrepancy on the effectiveness of knowledge transfer. Our theoretical and empirical results demonstrate that the final learning error of the function is significantly reduced compared to the single-task learning rate.