文献

J-GLOBAL ID：201802269523163742   整理番号：18A2232612

k批評からの利点分布の近似によるアクターポリシーの安定化【JST・京大機械翻訳】

Stabilizing Actor Policies by Approximating Advantage Distributions from K Critics

著者 (2件)： Labao Alfonso B. (Department of Computer Science, College of Engineering University of the Philippines-Diliman) ,  Naval Prospero C. (Department of Computer Science, College of Engineering University of the Philippines-Diliman)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 1253-1258  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 政策勾配法を用いる強化学習アルゴリズムは,Q学習よりも速く最適な政策に近づくが,勾配における高い分散を招くコストにおいては高速である。分散低減技術の中で,価値と利点関数を用いて,ポリシーアクターを訓練することができる。著者らは,K深いネットワークcriチックからの優位性分布の推定を通して,さらに勾配分散を減少させるアクター-クリティック族の下のアルゴリズムを提案した。ここでは,Kcriticsの出力を,ヒストグラム手法を用いて,カーネルコンボリューションを用いて,利点分布に結合した。この解析において,K-criticな優位性分布を用いることにより,長い訓練実行においてもより安定な性能をもたらす分散低減特性が得られることを示した。一組の高次元VizDoom実験においてこのアルゴリズムをテストした。著者らの実験結果は,著者らの提案したアルゴリズムが他の方法と比較して最も平均的な報酬を達成し,1-critic方法と比較してより少ない雑音を有することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  ヒストグラム ,  畳込み ,  学習アルゴリズム ,  傾斜法 ,  高次元 ,  高速度 ,  ネットワーク ,  雑音
準シソーラス用語： 分散低減 ,  Q学習 ,  *動作主 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 利点 ,  分布 ,  近似 ,  アクター ,  安定化