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。
以前に訓練されたモデルの再利用は,新しいエージェントの訓練をスピードアップするための深い強化学習において重要である。しかし,目的と制約が以前に学習されたスキルと矛盾しているとき,新しいスキルを獲得する方法は不明である。さらに,再訓練時に,既に学習され,新しいスキルを探索することの間に,固有の矛盾がある。ソフトアクター-クリット(SAC)法では,温度パラメータを動的に調整し,動作エントロピーを重み付けし,探索×利用トレードオフをバランスさせる。しかし,単一係数を制御することは,目標が相反する時でさえ,再訓練の文脈の中で挑戦的である。本研究では,神経科学研究に触発されて,別個の自動エントロピー調整と同様に,分離および適応状態値評価を可能にするための抑制ネットワークを用いた新しい方法を提案した。最後に,この手法は,より困難なタスクを克服するための,より少ないリスク,獲得行動,および新しいものを探索することの間の矛盾を扱うための抑制制御を可能にする。OpenAI Gym環境における実験により提案手法を検証した。【JST・京大機械翻訳】