使用对偶Q学习和赫布可塑性学习玩Atari游戏
人工智能
2024-05-24 v1 机器学习
摘要
在这项工作中，使用了一种先进的深度强化学习架构来训练玩Atari游戏的神经网络智能体。仅给定原始游戏像素、动作空间和奖励信息，该系统可以训练智能体玩任何Atari游戏。首先，该系统使用深度Q网络和对偶Q网络等先进技术来训练高效智能体，这些技术与DeepMind用于训练在Atari游戏中击败人类玩家的智能体所使用的技术相同。作为扩展，使用了可塑性神经网络作为智能体，并分析了其在此场景中的可行性。可塑性实现基于反向传播和赫布更新规则。可塑性神经网络具有出色的特性，如初始训练后的终身学习，使其非常适合自适应学习环境。作为可塑性在此背景下的新分析，这项工作可能为未来的工作提供有价值的见解和方向。
引用
@article{arxiv.2405.13960,
title = {Learning To Play Atari Games Using Dueling Q-Learning and Hebbian Plasticity},
author = {Md Ashfaq Salehin},
journal= {arXiv preprint arXiv:2405.13960},
year = {2024}
}