Two Time-scale Off-Policy TD Learning:
  Non-asymptotic Analysis over Markovian Samples

                      Tengyu Xu
            Department of Electrical and Computer Engineering
                  The Ohio State University
                    xu.3260@osu.edu
                      Shaofeng Zou
                Department of Electrical Engineering
           University at Buffalo, The State University of New York
                    szou3@buffalo.edu
                     Yingbin Liang
          ...