基于KeRLym（一个Gym强化学习智能体）的深度强化学习无线电控制与信号检测
机器学习
2016-05-31 v1
摘要
本文介绍了正在进行的研究，探讨使用基于深度神经网络的函数逼近的强化学习在无线领域无线电控制与信号检测任务中的可行性与适应性。我们展示了一种成功的无线电控制初始方法，其允许在不需专家特征、启发式或搜索策略的情况下进行朴素搜索学习。我们还介绍了KeRLym，一个基于开源Keras、面向OpenAI Gym的强化学习智能体集合。
引用
@article{arxiv.1605.09221,
title = {Deep Reinforcement Learning Radio Control and Signal Detection with KeRLym, a Gym RL Agent},
author = {Timothy J. O'Shea and T. Charles Clancy},
journal= {arXiv preprint arXiv:1605.09221},
year = {2016}
}
备注
7 pages, 4 figures