適応と一般化のための深層強化学習に基づくアプローチに関する調査【JST・京大機械翻訳】

Yadav Pamul; Mishra Ashutosh; Lee Junyong; Kim Shiho

プレプリント

J-GLOBAL ID：202202219260769800 整理番号：22P0291056

適応と一般化のための深層強化学習に基づくアプローチに関する調査【JST・京大機械翻訳】

A Survey on Deep Reinforcement Learning-based Approaches for Adaptation and Generalization

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02月16日プレプリントサーバーでの情報更新日： 2022年02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)

深層強化学習(DRL)は,実世界環境において効率的に複雑な問題を解決するために学習できる知的エージェントを作成することを目的とする。典型的には,2つの学習目標:適応と一般化を,異なるタスクとドメインに関するDRLアルゴリズムの性能のベースライン化のために使用する。本論文は,適応と一般化のためのDRLベースのアプローチにおける最近の開発に関する調査を提示する。これらの目標をタスクとドメインとの関連で定式化した。次に,それらのアプローチの下で最近の研究をレビューして,DRLアルゴリズムの適応性と一般化可能性を強化することができる将来の研究方向について議論して,潜在的にそれらを広い範囲の実世界問題に適用することができる。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る