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。
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】