用于玩游戏的深度学徒学习

Dejan Markovikj

用于玩游戏的深度学徒学习

机器学习 2022-05-18 v1 人工智能计算机视觉与模式识别

作者: Dejan Markovikj

摘要

在过去十年中，深度学习在输入数据以不同抽象层次表示的机器学习任务中取得了巨大成功。受近期使用深度神经网络进行强化学习研究的驱动，我们探索了为复杂、多维且奖励函数不可用的任务设计基于专家行为的学习模型的可行性。我们基于先前在强化学习中监督学习技术的研究，提出了一种新颖的学徒学习方法。我们的方法应用于来自 Atari 游戏的视频帧，以教会人工代理玩这些游戏。尽管报告的结果无法与强化学习中最先进的结果相媲美，但我们证明了这种方法有潜力在未来取得强大性能，并值得进一步研究。

关键词

学徒学习深度学习强化学习 Atari 游戏专家行为监督学习奖励函数

引用

@article{arxiv.2205.07959,
  title  = {Deep Apprenticeship Learning for Playing Games},
  author = {Dejan Markovikj},
  journal= {arXiv preprint arXiv:2205.07959},
  year   = {2022}
}

备注

A dissertation submitted in partial fulfillment of the requirements for the degree of Master of Science in Computer Science at University of Oxford

用于玩游戏的深度学徒学习

摘要

关键词

引用

备注

相关论文