从 Atari 2600 的内存中学习
机器学习
2016-05-05 v1 人工智能
摘要
我们训练了多个神经网络，利用存储在视频游戏机 Atari 2600 内存中的信息来玩 Bowling、Breakout 和 Seaquest 游戏。我们考虑了四种在规模和架构上不同的神经网络模型：两个仅使用 RAM 中包含信息的网络，以及两个同时使用 RAM 中信息和屏幕信息的混合网络。作为基准，我们使用了 NIPS 中提出的卷积模型，并在所有考虑的游戏中取得了可比的结果。颇为令人惊讶的是，在 Seaquest 的情况下，我们能够训练出表现优于基准仅屏幕智能体的仅 RAM 智能体。与仅屏幕和仅 RAM 智能体相比，混合屏幕和 RAM 并未带来性能提升。
引用
@article{arxiv.1605.01335,
title = {Learning from the memory of Atari 2600},
author = {Jakub Sygnowski and Henryk Michalewski},
journal= {arXiv preprint arXiv:1605.01335},
year = {2016}
}