用于探索的噪声脉冲 Actor 网络
机器学习
2025-12-12 v2 神经与进化计算
摘要
作为深度强化学习（RL）中探索的通用方法，NoisyNet 可以产生针对特定问题的探索策略。脉冲神经网络（SNNs）由于其二元发放机制，对噪声具有很强的鲁棒性，使得难以通过局部扰动实现高效探索。为了解决这一探索问题，我们提出了一种噪声脉冲 Actor 网络（NoisySAN），它在充电和传输过程中引入时间相关噪声。此外，我们提出了一种降噪方法，以找到智能体的稳定策略。大量实验结果表明，我们的方法在 OpenAI gym 的一系列连续控制任务上优于最先进性能。
引用
@article{arxiv.2403.04162,
title = {Noisy Spiking Actor Network for Exploration},
author = {Ding Chen and Peixi Peng and Tiejun Huang and Yonghong Tian},
journal= {arXiv preprint arXiv:2403.04162},
year = {2025}
}
备注
There are some issues with the method and it needs to be withdrawn