面向数据高效深度强化学习的集成与辅助任务
机器学习
2021-07-07 v2 人工智能
摘要
集成与辅助任务在已知数据有限时可提升机器学习模型性能，但二者之间的相互作用尚未被充分研究，尤其在深度强化学习背景下。本文研究了将集成与辅助任务与深度 Q 学习算法结合时的效果，并在有限数据约束下对 ATARI 游戏进行了案例研究。此外，我们推导了一种精细化的偏差-方差-协方差分解，以分析学习集成与使用辅助任务的不同方式，并利用该分析帮助理解上述案例研究。我们的代码已开源，地址为 https://github.com/NUS-LID/RENAULT。
引用
@article{arxiv.2107.01904,
title = {Ensemble and Auxiliary Tasks for Data-Efficient Deep Reinforcement Learning},
author = {Muhammad Rizki Maulana and Wee Sun Lee},
journal= {arXiv preprint arXiv:2107.01904},
year = {2021}
}
备注
ECML-PKDD 2021. Code: https://github.com/NUS-LID/RENAULT; appendix theorem numbering fixed