深度强化学习的选项分类
机器学习
2017-06-20 v3 人工智能
机器学习
摘要
在本文中，我们将一种分层强化学习方法——options 框架——与深度 Q 网络（DQNs）相结合，通过在策略网络上使用不同的“option heads”以及一个用于在不同 options 间选择的监督网络。我们利用我们的设置来研究在一系列网络容量下，具有正迁移和负迁移的子任务中架构约束的影响。我们凭经验表明，当同时学习具有负迁移的子任务时，我们增强的 DQN 具有更低的样本复杂度，而在学习具有正迁移的子任务时不会降低性能。
引用
@article{arxiv.1604.08153,
title = {Classifying Options for Deep Reinforcement Learning},
author = {Kai Arulkumaran and Nat Dilokthanakul and Murray Shanahan and Anil Anthony Bharath},
journal= {arXiv preprint arXiv:1604.08153},
year = {2017}
}
备注
IJCAI 2016 Workshop on Deep Reinforcement Learning: Frontiers and Challenges