情景记忆深度 Q 网络
机器学习
2018-05-22 v1 人工智能
机器学习
摘要
近年来，强化学习（RL）算法借助深度神经网络（DNN）的力量取得了巨大进展。尽管取得成功，深度 RL 算法已知样本效率低下，常需与环境进行多轮交互方能获得满意性能。近来，基于情景记忆的 RL 因能快速锁定优良动作而受到关注。本文提出一种简单而有效的受生物学启发的 RL 算法，称为情景记忆深度 Q 网络（EMDQN），其利用情景记忆在训练中对智能体进行监督。实验表明，我们所提方法可带来更好的样本效率，且更可能找到优良策略。在 Atari 游戏上，它仅需 DQN 五分之一的交互量即可达到诸多最优性能，显著优于常规 DQN 及其他基于情景记忆的 RL 算法。
引用
@article{arxiv.1805.07603,
title = {Episodic Memory Deep Q-Networks},
author = {Zichuan Lin and Tianqi Zhao and Guangwen Yang and Lintao Zhang},
journal= {arXiv preprint arXiv:1805.07603},
year = {2018}
}
备注
Accepted by IJCAI 2018