アクション頂点上のハイパーグラフとしての行動価値表現の学習【JST・京大機械翻訳】

Tavakoli Arash; Fatemi Mehdi; Kormushev Petar

プレプリント

J-GLOBAL ID：202202221050255094 整理番号：21P0057374

アクション頂点上のハイパーグラフとしての行動価値表現の学習【JST・京大機械翻訳】

Learning to Represent Action Values as a Hypergraph on the Action Vertices

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 (3件)： , ,
資料名：
発行年： 2020年10月27日プレプリントサーバーでの情報更新日： 2021年06月20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)

行動値推定は多くの強化学習(RL)法の重要な構成要素であり,サンプル複雑性は,行動値のための良い推定子がいかに学習できるかに,大いに依存している。表現学習のレンズを通してこの問題を見ることによって,状態と動作の両方の良い表現は,行動値推定を容易にすることができた。深層学習の進歩は,学習状態表現においてシームレスに駆動される進歩を遂げるが,RLに対するアジェンシーの概念の特異性を考えると,学習行動表現にはほとんど注意が払われていない。多次元行動空間のコンビナトリアル構造の活用は,行動の良好な表現を学習するための重要な構成要素であると推測した。これをテストするために,構造誘導バイアスを持つ多次元離散行動空間における学習行動表現のための関数クラスである行動ハイパーグラフネットワークフレームワークをセットした。このフレームワークを用いて,筆者らは,ハイパーグラフQネットワークをdubする,深いQネットワークとの組み合わせに基づくエージェントクラスを実現した。最小交絡効果,Atari 2600ゲーム,および離散化物理制御ベンチマークの下での説明的予測問題,無数の領域に対する提案アプローチの有効性を示した。【JST・京大機械翻訳】

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

人工知能

, , , , , ,

前のページに戻る