使用周期性学习率的深度强化学习
机器学习
2020-08-05 v1 机器学习
摘要
深度强化学习（DRL）方法通常依赖于对超参数的精细调优以成功解决问题。在基于随机梯度下降（SGD）的优化过程中，最具影响的参数之一是学习率。我们研究周期性学习并提出一种为各类 DRL 问题定义通用周期性学习率的方法。本文提出一种应用于复杂 DRL 问题的周期性学习方法。我们的实验表明，利用周期性学习取得了与高度调优的固定学习率相似甚至更好的结果。本文展示了周期性学习率在 DRL 设置中的首次应用，是迈向克服手动超参数调优的一步。
引用
@article{arxiv.2008.01171,
title = {Deep Reinforcement Learning using Cyclical Learning Rates},
author = {Ralf Gulde and Marc Tuscher and Akos Csiszar and Oliver Riedel and Alexander Verl},
journal= {arXiv preprint arXiv:2008.01171},
year = {2020}
}