Proxy経験メモリによる連合強化蒸留【JST・京大機械翻訳】

Cha Han; Park Jihong; Kim Hyesung; Kim Seong-Lyun; Bennis Mehdi

プレプリント

J-GLOBAL ID：202202220498006706 整理番号：22P0068911

Proxy経験メモリによる連合強化蒸留【JST・京大機械翻訳】

Federated Reinforcement Distillation with Proxy Experience Memory

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 (5件)： , , , ,
資料名：
発行年： 2019年07月15日プレプリントサーバーでの情報更新日： 2020年04月13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)

分散強化学習において,各エージェントの経験記憶を交換し,それによってそれらの局所モデルを集合的に訓練するのが一般的である。しかし,経験記憶は,すべての先行状態観察とホストエージェントの対応する政策を含み,それはエージェントのプライバシーに違反する可能性がある。この問題を避けるために,本研究では,連合強化蒸留(FRD)と呼ばれるプライバシー保護分散強化学習(RL)フレームワークを提案した。重要なアイデアは,プレアレンジの状態と時間平均政策から成るプロキシの経験記憶を交換することであり,それによって実際の経験のプライバシーを保存することである。利点のアクター-批評的RLアーキテクチャに基づいて,FRDの有効性を数値的に評価し,FRDの性能がプロキシメモリ構造と異なるメモリ交換規則によってどのように影響を受けるかを調べた。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る