面向神经形态平台的强化学习双记忆架构
机器学习
2021-09-29 v1 人工智能
摘要
强化学习(RL)是生物系统学习的基础,并为解决现实世界人工智能应用中的众多挑战提供了框架。RL技术的高效实现可使部署在边缘用例中的智能体获得新能力,如改进的导航、理解复杂情境与关键决策。为此,我们描述了一种在神经形态平台上执行强化学习的灵活架构。该架构使用英特尔神经形态处理器实现,并展示了利用脉冲动力学解决多种任务。我们的研究为现实世界RL应用提出了一种可用的节能解决方案,并证明了神经形态平台对RL问题的适用性。
引用
@article{arxiv.2103.04780,
title = {A Dual-Memory Architecture for Reinforcement Learning on Neuromorphic Platforms},
author = {Wilkie Olin-Ammentorp and Yury Sokolov and Maxim Bazhenov},
journal= {arXiv preprint arXiv:2103.04780},
year = {2021}
}
备注
20 pages, 6 figures