文献

J-GLOBAL ID：202102231095130363   整理番号：21A0671454

近位決定性ポリシー勾配【JST・京大機械翻訳】

Proximal Deterministic Policy Gradient

著者 (3件)： Maggipinto Marco (University of Padova,Department of Information Engineering,Padova,Italy) ,  Susto Gian Antonio (University of Padova,Department of Information Engineering,Padova,Italy) ,  Chaudhari Pratik (University of Pennsylvania,Electrical and Systems Engineering Department,Philadelphia,PA,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 5438-5444  発行年： 2020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： 本論文では,オフポリシー強化学習(RL)アルゴリズムを改善するための2つの簡単な技術を紹介した。最初に,確率的近位点反復としてオフポリシーRLを定式化した。ターゲットネットワークは最適化の変数の役割を担って,価値ネットワークは近位オペレータを計算する。第2に,著者らは,計算資源の限られた増加によるブートストラップを通して,改良作用値推定を提供するために,最先端のオフポリシーアルゴリズムで一般的に使用される2つの価値関数を利用した。さらに,標準連続制御RLベンチマークに関する最先端のアルゴリズムに対する顕著な性能改善を実証した。Copyright 2021 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 ,  最適化 ,  ブートストラップ ,  オペレータ ,  ネットワーク ,  評価関数 ,  定式化 ,  ベンチマーク ,  強化学習
準シソーラス用語： 決定性 ,  計算資源 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 勾配