基于增量高斯混合模型的快速强化学习
机器学习
2020-11-03 v1 人工智能
神经与进化计算
摘要
本工作提出一种新颖算法，将高数据效率的函数逼近器与连续状态空间中的强化学习相集成。一种能够单次遍历数据即学习的在线增量算法，称为增量高斯混合网络（IGMN），被用作联合状态与 Q 值空间的样本高效函数逼近器，全部在单一模型中，从而形成简洁且数据高效的算法，即一种从极少与环境交互中学习的强化学习算法。我们分析结果以解释所得算法的性质，并观察到使用 IGMN 函数逼近器相较于通过梯度下降方法训练的传统神经网络为强化学习带来了若干重要优势。
引用
@article{arxiv.2011.00702,
title = {Fast Reinforcement Learning with Incremental Gaussian Mixture Models},
author = {Rafael Pinto},
journal= {arXiv preprint arXiv:2011.00702},
year = {2020}
}
备注
17 pages, 8 figures