深度Q网络的实现
机器学习
2017-11-22 v1 人工智能
摘要
Mnih等人[2015]提出的深度Q网络（DQN）已成为大量深度强化学习研究的基准和起点。然而，复现复杂系统的结果通常具有挑战性，因为原始科学出版物未必能详细描述每一个重要参数设置和软件工程方案。在本文中，我们展示了复现DQN论文结果的工作成果。我们强调了原论文未详尽涵盖的实现中的关键方面，以使研究者更易复现这些结果，包括终止条件和梯度下降算法。最后，我们讨论了提升计算性能的方法，并提供了我们自己的实现，其设计用于一系列领域，而不仅仅是原始的Arcade Learning Environment [Bellemare et al., 2013]。
引用
@article{arxiv.1711.07478,
title = {Implementing the Deep Q-Network},
author = {Melrose Roderick and James MacGlashan and Stefanie Tellex},
journal= {arXiv preprint arXiv:1711.07478},
year = {2017}
}