BBQ-Networks：面向任务型对话系统的深度强化学习中高效探索方法
人工智能
2017-11-21 v2 计算与语言
机器学习
摘要
我们提出了一种新算法，显著提高了对话系统中深度 Q-learning 智能体的探索效率。我们的智能体通过 Thompson 采样进行探索，从 Bayes-by-Backprop 神经网络中抽取蒙特卡洛样本。我们的算法比常见的探索策略（如 ε-greedy、Boltzmann、bootstrapping 以及基于内在奖励的策略）学习速度快得多。此外，我们表明，仅用少数成功回合的经验填充回放缓冲区，就能在 Q-learning 原本可能失败的情况下使其变得可行。
引用
@article{arxiv.1711.05715,
title = {BBQ-Networks: Efficient Exploration in Deep Reinforcement Learning for Task-Oriented Dialogue Systems},
author = {Zachary Lipton and Xiujun Li and Jianfeng Gao and Lihong Li and Faisal Ahmed and Li Deng},
journal= {arXiv preprint arXiv:1711.05715},
year = {2017}
}
备注
Duplicate of article already in the arXiv: arXiv:1608.05081