深度注意力循环Q网络
机器学习
2015-12-08 v1
摘要
一种用于强化学习的深度学习方法催生了一个通用学习器，能够基于视觉输入训练以人类和超人类水平玩各种街机游戏。其创造者在Google DeepMind团队称该方法为：深度Q网络（DQN）。我们提出了一种通过“软”和“硬”注意力机制对DQN的扩展。所提出的深度注意力循环Q网络（DARQN）算法在多个Atari 2600游戏上的测试显示了优于DQN的性能水平。此外，内置的注意力机制通过高亮代理在做决策时关注的游戏屏幕区域，允许对训练过程进行直接的在线监控。
引用
@article{arxiv.1512.01693,
title = {Deep Attention Recurrent Q-Network},
author = {Ivan Sorokin and Alexey Seleznev and Mikhail Pavlov and Aleksandr Fedorov and Anastasiia Ignateva},
journal= {arXiv preprint arXiv:1512.01693},
year = {2015}
}
备注
7 pages, 5 figures, Deep Reinforcement Learning Workshop, NIPS 2015