文献

J-GLOBAL ID：202202248559408390   整理番号：22A1165545

バランスした優先順位付き経験リプレイ【JST・京大機械翻訳】

Balanced Prioritized Experience Replay

著者 (4件)： Sun Hanbin (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China,Chengdu,China) ,  Li Ruijia (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China,Chengdu,China) ,  Yang Hanlin (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China,Chengdu,China) ,  Zhu William (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China,Chengdu,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IWECAI  ページ： 200-203  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層強化学習の重要な技術として,優先経験再生(PER)は過去の経験を通して戦略の学習と更新を支援する。しかし,PERはエージェントによって学習され,再生バッファに保管された歴史的情報が固定され,不変である状況を変えない。反対に,良い戦略を効率的に学習するために,エージェントはしばしば最新の対話型情報を必要とする。本論文では,より頻繁に最近の重要な遷移を再生し,従ってより効率的に学習するために,適切な事前設定経験のために,新しい方法,Balance Preitized Experience Replay(BPER)を提案する。著者らは,TD3-BPERと呼ばれる新しい政策勾配アルゴリズムを生成するために,BPERをTwin Delayed Deep Depective Petective Gradientアルゴリズム(TD3)に組み入れた。実験結果は,TD3-BPERが,半Cheetah,Walker2d,Ant,およびSwimmerのようないくつかの環境において,元のTD3より良い性能を達成できることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  *エージェント

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： バランス ,  優先順位 ,  経験