一即多:单一网络内多样视角用于高效深度强化学习
机器学习
2023-10-31 v2 人工智能
摘要
深度强化学习借助深度神经网络逼近价值函数与策略,已在多个领域取得卓越表现。然而,使用神经网络逼近价值函数或策略函数仍面临样本效率低与过拟合等挑战。本文提出 OMNet,一种在单一网络内利用多个子网络、高效提供多样输出的新颖学习范式。我们给出了系统化流程,包括 OMNet 的初始化、训练与采样。OMNet 可轻松应用于各类深度强化学习算法,且仅引入极小额外开销。通过在 MuJoCo 基准上的综合评估,我们的结果表明 OMNet 能够在性能与计算成本之间实现有效平衡。
引用
@article{arxiv.2310.14009,
title = {One is More: Diverse Perspectives within a Single Network for Efficient DRL},
author = {Yiqin Tan and Ling Pan and Longbo Huang},
journal= {arXiv preprint arXiv:2310.14009},
year = {2023}
}
备注
Preprint