在强化学习中使用后继特征进行迁移的优势与局限性
人工智能
2017-08-02 v1 机器学习
机器学习
摘要
强化学习的一个核心问题是如何学习一种特征表示，以支持算法的扩展和重用来自不同任务的学习信息。后继特征通过学习满足时间约束的特征表示来处理这一问题。我们提出了一种将特征表示与奖励函数解耦的方法的实现，使其适用于在领域之间迁移知识。然后，我们评估了使用后继特征进行迁移的优势与局限性。
引用
@article{arxiv.1708.00102,
title = {Advantages and Limitations of using Successor Features for Transfer in Reinforcement Learning},
author = {Lucas Lehnert and Stefanie Tellex and Michael L. Littman},
journal= {arXiv preprint arXiv:1708.00102},
year = {2017}
}