深層強化学習における方法論的アドバイス収集と再利用【JST・京大機械翻訳】

Sahir; Ilhan Ercuement; Das Srijita; Taylor Matthew E.

プレプリント

J-GLOBAL ID：202202214313239700 整理番号：22P0332542

深層強化学習における方法論的アドバイス収集と再利用【JST・京大機械翻訳】

Methodical Advice Collection and Reuse in Deep Reinforcement 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04月14日プレプリントサーバーでの情報更新日： 2022年04月14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(RL)は,深いニューラルネットワークの使用により,多くの挑戦的なタスクを解決する際に大きな成功を示した。RLのための深層学習の使用は,巨大な表現力をもたらすが,よく知られたサンプル非効率問題も引き起こす。これは,アルゴリズムがデータハンガリーであり,適切な政策に収束するために訓練サンプル数百万を必要とすることを意味する。この課題と戦う一つの方法は,知識のある教師が学生を支援するための行動アドバイスを提供する,教師-スチューデントフレームワークにおける行動助言を用いることである。本研究では,学生がアドバイスを問うべきかどうかについて,また,学生が教師をより少ないアドバイスのためにアスカにモデル化できるかどうかについて,不確実性をいかに良好に活用するかを考察した。学生は,それが不確かである場合,または,教師のそのモデルの両方が不確かである場合,アドバイスを問うことを決定できた。この検討に加えて,本論文では,二次ニューラルネットワークを用いて,深いRLエージェントの不確実性を計算する新しい方法を紹介した。著者らの経験的結果は,アドバイス収集と再利用を駆動するために二重不確実性を使用することが,いくつかのAtariゲームを通して学習性能を改善するかもしれないことを示した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る