深度强化学习中基于精度的课程学习
机器学习
2018-09-24 v2 人工智能
机器学习
摘要
在本文中，我们研究了一种基于精度需求自适应选择的新型自动化课程学习形式，称为基于精度的课程学习。使用基于 Deep Deterministic Policy Gradient 算法的强化学习智能体并针对 Reacher 环境，我们首先表明，使用随机采样得到的多种精度需求训练的智能体比始终被要求非常准确时学习更高效。然后我们表明，基于局部能力进展度量的精度需求自适应选择，会自动生成难度渐进增加的课程，从而产生比随机采样更好的学习效率。
引用
@article{arxiv.1806.09614,
title = {Accuracy-based Curriculum Learning in Deep Reinforcement Learning},
author = {Pierre Fournier and Olivier Sigaud and Mohamed Chetouani and Pierre-Yves Oudeyer},
journal= {arXiv preprint arXiv:1806.09614},
year = {2018}
}