优化强化学习智能体的神经网络架构
机器学习
2021-04-29 v3 人工智能
摘要
强化学习(RL)在过去几年取得了显著进展。其中最重要的进步之一是神经网络的广泛应用。然而，这些神经网络的架构通常由人工构建。本工作中，我们研究近期提出的神经架构搜索(NAS)方法，用于优化RL智能体的架构。我们在Atari基准上开展实验并得出结论：现代NAS方法找到了优于人工选定架构的RL智能体架构。
引用
@article{arxiv.2011.14632,
title = {Optimizing the Neural Architecture of Reinforcement Learning Agents},
author = {N. Mazyavkina and S. Moustafa and I. Trofimov and E. Burnaev},
journal= {arXiv preprint arXiv:2011.14632},
year = {2021}
}