比较 NARS 与强化学习：ONA 与 $Q$-Learning 算法分析
机器学习
2023-04-11 v2 人工智能
摘要
近年来，强化学习（RL）已成为解决机器学习中序列任务的一种流行方法。然而，寻找 RL 的合适替代方案仍是一个令人兴奋且创新的研究领域。其中一个备受关注的替代方案是非公理推理系统（NARS），这是一种通用认知推理框架。在本文中，我们深入探讨了 NARS 作为 RL 替代方案在解决序列任务中的潜力。为了研究这一点，我们对作为 NARS 实现的 ONA 与 -Learning 在使用 Open AI gym 创建的各种环境中的性能进行了比较分析。这些环境具有不同的难度级别，从简单到复杂。我们的结果表明，NARS 是一种很有前景的 RL 替代方案，在多样化环境中具有竞争力的表现，尤其是在非确定性环境中。
关键词
引用
@article{arxiv.2304.03291,
title = {Comparing NARS and Reinforcement Learning: An Analysis of ONA and $Q$-Learning Algorithms},
author = {Ali Beikmohammadi and Sindri Magnússon},
journal= {arXiv preprint arXiv:2304.03291},
year = {2023}
}
备注
Accepted in the 16th AGI Conference (AGI-23), Stockholm, Sweden, June 16 - June 19, 2023. arXiv admin note: text overlap with arXiv:2212.12517