抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くのRLアプローチにおける重要課題は,(長期および延期後の)報酬であり,これはエージェントに対する学習の困難さをもたらす。事実,ある「報酬成形」は,迅速かつ容易(余分な入力で割り当てられたエージェントで開始するプロセス)のプロセスを作ることの目標を扱うが,それは複雑性をもたらす。進行中のRLアプローチでは,実装の複雑さ(例題のAtariゲーム)を示した。したがって,そのような問題を避けるために,潜在的ベース報酬成形(PBRS)を用いて,RLエージェントの性能を増加させた。それは,原理的に時間(時間ベース)識別学習と組み合わせた基本的基礎データを提供する適応戦略である。このPBRSアプローチでは,エージェントの活動に基づく中間(中間)報酬に対して,システムLEARN(LanguagEAction Reward Network),あるマップ共通言語(人間理解可能)を提案する。これらの中間言語ベースの報酬は,任意の標準RLアルゴリズムに統合(組合せ)できる。グリッド世界およびより複雑なLanguagE-Action Reward Network(LEARN)上で,実験が実行して,あるフレームワークは,報酬分布に関する直感的な事前を指定するとき,かなり速く学習タスクを学習する。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】