课程学习中任务排序的优化框架
机器学习
2019-06-14 v3 人工智能
机器学习
摘要
强化学习中的课程学习通过向智能体呈现逐渐复杂的任务来塑造探索。课程学习的思想已大量应用于动物训练与教学法中。在强化学习中，以往所有任务排序方法都以缩短达到给定性能水平的时间为目标的探索塑造。我们提出了课程学习的新颖用途，其源于选择不同的目标函数。此外，我们定义了一个通用的任务排序优化框架，并在若干任务上评估了流行元启发式搜索方法的性能。我们表明课程学习可成功用于：改善初始性能、在探索中采取更少的次优动作，以及发现更好的策略。
引用
@article{arxiv.1901.11478,
title = {An Optimization Framework for Task Sequencing in Curriculum Learning},
author = {Francesco Foglino and Christiano Coletto Christakou and Matteo Leonetti},
journal= {arXiv preprint arXiv:1901.11478},
year = {2019}
}
备注
Proceedings of 9th Joint IEEE International Conference on Development and Learning and on Epigenetic Robotics (ICDL-EpiRob)