文献

J-GLOBAL ID：202202241011239721   整理番号：22A0000739

親密性ベース軌道経験リプレイによるアクタークリティック【JST・京大機械翻訳】

Actor-critic with familiarity-based trajectory experience replay

著者 (8件)： Gong Xiaoyu (Key Laboratory of Symbolic Computation and Knowledge Engineering (Jilin University), Ministry of Education, Changchun 130012, China) ,  Gong Xiaoyu (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Yu Jiayu (Key Laboratory of Symbolic Computation and Knowledge Engineering (Jilin University), Ministry of Education, Changchun 130012, China) ,  Yu Jiayu (College of Software, Jilin University, Changchun 130012, China) ,  Lue Shuai (Key Laboratory of Symbolic Computation and Knowledge Engineering (Jilin University), Ministry of Education, Changchun 130012, China) ,  Lue Shuai (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Lu Hengwei (Key Laboratory of Symbolic Computation and Knowledge Engineering (Jilin University), Ministry of Education, Changchun 130012, China) ,  Lu Hengwei (College of Software, Jilin University, Changchun 130012, China)
資料名： Information Sciences  (Information Sciences)
巻： 582  ページ： 633-647  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,非同期Advantage Actor-Crit(A3C)におけるサンプル非効率性を解決することを目指した。第1に,著者らは,サンプル効率を改善するために,アクター-批評と経験再生を組み合わせた新しいオフポリシーアクター-批評アルゴリズムを設計した。次に,著者らは,軌道経験のための経験再生のサンプリング方法を研究して,サンプリングの確率重量として経験の再生時間の数を使用する親密性ベースの再生機構を提案する。最後に,オフポリシー学習に起因するバイアスを修正するためにGAE-V法を使用した。また,ネットワークを更新するために,オフポリシー学習とポリシー学習を組み合わせる機構を採用することによって,より良い性能を達成した。AtariとMuJoCoベンチマークの結果は,これらの革新の各々がデータ効率と最終性能の両方の改善に寄与することを示した。さらに,この手法は,A3Cと同じ並列特徴と高速カバレッジ速度を保ち,また,探査に関してより良い性能を有した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  ネットワーク ,  バイアス ,  ベンチマーク ,  強化学習

著者キーワード (5件)： 強化学習 ,  サンプル効率 ,  アクタークリティック ,  オフポリシー ,  非同期優位アクター-批評

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 軌道 ,  経験