Scifaro

中文

深度Q学习的随机方差缩减

机器学习 2019-05-21 v1 机器学习

作者: Wei-Ye Zhao , Xi-Ya Guan , Yang Liu , Xiaoming Zhao , Jian Peng

在 arXiv 上查看 ↗ PDF ↗

摘要

深度强化学习的最新进展已在多种现实应用中达到人类水平表现。然而，当前算法仍受梯度估计方差过大之苦，导致训练不稳定与样本效率低。在本文中，我们提出一种利用随机方差缩减梯度(SVRG)技术的创新优化策略。在Atari领域的广泛实验中，我们的方法在20个游戏中的18个上优于深度Q学习基线。

关键词

深度强化学习深度Q学习随机方差缩减 SVRG Atari 梯度估计

引用

@article{arxiv.1905.08152,
  title  = {Stochastic Variance Reduction for Deep Q-learning},
  author = {Wei-Ye Zhao and Xi-Ya Guan and Yang Liu and Xiaoming Zhao and Jian Peng},
  journal= {arXiv preprint arXiv:1905.08152},
  year   = {2019}
}

备注

this is the full paper version, its extended abstract has been published