連続ドメインにおける決定性ポリシーの学習のための利点関数のサインの利用【JST・京大機械翻訳】

Zimmer Matthieu; Weng Paul

プレプリント

J-GLOBAL ID：202202214179040101 整理番号：21P0014048

連続ドメインにおける決定性ポリシーの学習のための利点関数のサインの利用【JST・京大機械翻訳】

Exploiting the Sign of the Advantage Function to Learn Deterministic Policies in Continuous Domains

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 (2件)： ,
資料名：
発行年： 2019年06月09日プレプリントサーバーでの情報更新日： 2019年06月24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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

連続ドメインにおける決定論的政策の学習の文脈において,著者らは,最初に,連続Actor Crit Learning Automaton(CACLA)で提案されたアプローチを再検討し,その後,ニューラルネットワーク(NFAC)に拡張された。この手法は決定論的政策勾配(DPG)とは異なる政策更新に基づいている。以前の研究は,その優れた性能を経験的に観察したが,理論的正当化は不足している。このギャップを埋めるために,この非正統政策更新を他の更新に関連付け,後者の目的関数を明示的にする理論的説明を提供した。さらに,これらの更新の特性を詳細に考察し,全体的アプローチのより深い理解を得た。さらに,それを拡張し,新しい信頼領域アルゴリズム,Penalized NFAC(PeNFAC)を提案した。最後に,決定論的ポリシーを学習するために最先端のアルゴリズムを上回るいくつかの古典的制御問題を実験的に実証した。【JST・京大機械翻訳】

, ,
, , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る