利点学習による一般Tsallisエントロピー強化学習におけるKL正則化の強化【JST・京大機械翻訳】

Zhu Lingwei; Chen Zheng; Uchibe Eiji; Matsubara Takamitsu

プレプリント

J-GLOBAL ID：202202200557834820 整理番号：22P0350972

利点学習による一般Tsallisエントロピー強化学習におけるKL正則化の強化【JST・京大機械翻訳】

Enforcing KL Regularization in General Tsallis Entropy Reinforcement Learning via Advantage Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2022年05月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

強化学習における最大Tsallisエントロピー(MTE)フレームワークは,広く使用されたShannonエントロピーとスパースエントロピーを含むその柔軟なモデリング選択により,最近人気を得ている。しかし,非Shannonエントロピーは近似誤差に悩まされ,その後,その感度または閉形式ポリシー表現の欠如のため,性能に悩まされる。柔軟性と経験的性能の間のトレードオフを改善するために,著者らは,Munchausen DQN(MDQN)によって動機づけられたMTEにおける陰的Kullback-Leibler(KL)正則化を強制することによって,それらのエラーロバスト性を強化することを提案した。MDQNと利点学習との接続により,MDQNがMTEフレームワークに一般化するのに失敗することを示した。提案手法のTsallis Advanage Learning(TAL)は,様々な非閉形Tsallisエントロピーに対するTsallis-DQNで著しく改善するだけでなく,最先端の最大Shannonエントロピーアルゴリズムに匹敵する性能を示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 人工知能 , 情報工学基礎理論一般 , 図形・画像処理一般

, , , , ,

前のページに戻る