文献

J-GLOBAL ID：202102231753879685   整理番号：21A0230247

ロバストな深い決定論的ポリシー勾配による深層強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning with Robust Deep Deterministic Policy Gradient

著者 (4件)： Tiong Teckchai (Curtin University Malaysia,Electrical and Computer Engineering,Sarawak,Malaysia) ,  Saad Ismail (University Malaysia Sabah,Electrical and Electronics Engineering,Jalan UMS Kota Kinabalu,Sabah Malaysia) ,  Teo Kenneth Tze Kin (University Malaysia Sabah,Electrical and Electronics Engineering,Jalan UMS Kota Kinabalu,Sabah Malaysia) ,  Lago Herwansyah bin (University Malaysia Sabah,Electrical and Electronics Engineering,Jalan UMS Kota Kinabalu,Sabah Malaysia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICECIE  ページ： 1-5  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： 最近,深層決定論的ポリシー勾配(DDPG)は,自律運転やロボットのような連続制御問題に適用される一般的な深層強化学習アルゴリズムである。DDPGは非常に良い結果をもたらすが,その欠点がある。DDPGは不安定になり,現在のタスクに対する正しいハイパーパラメータの探索に大きく依存した。DDPGアルゴリズムリスクは,批判(価値)ネットワークにおけるQ値を過大評価する。時間経過としての推定誤差の蓄積は,局所最適への強化エージェントのトラッピング,あるいは,破滅的忘却による苦痛をもたらす。Twin Delayed DDPG(TD3)は過大評価バイアス問題を緩和したが,過小評価バイアスによる完全な性能を利用しなかった。本論文では,Twin平均遅延DDPG(TAD3)を,TD3に対する特定の適応のために提案し,結果として得られるアルゴリズムが,挑戦的な連続制御環境においてTD3よりも良好に機能することを示した。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 ,  ネットワーク ,  ロボット ,  Q値 ,  バイアス ,  深層 ,  *ロバスト性 ,  エージェント
準シソーラス用語： 自律性 ,  推定誤差 ,  トラッピング ,  *決定論 ,  過小評価 ,  ハイパーパラメータ , 【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 (3件)： ロバスト ,  勾配 ,  深層強化学習