推箱子游戏中的迁移学习与课程学习
人工智能
2021-09-13 v2 机器学习
摘要
迁移学习可加速机器学习中的训练，并常用于分类任务。它复用其他任务中的先验知识为新任务预训练网络。在强化学习中，学习可应用于新环境的行为策略动作仍具挑战性，尤其对涉及大量规划的任务。推箱子(Sokoban)是一款具挑战性的益智游戏，广泛用作基于规划的强化学习基准。本文展示先验知识如何改进推箱子任务中的学习。我们发现复用先前学到的特征表示可加速学习新的更复杂实例。实际上，我们展示了从简单到复杂任务的课程学习如何在推箱子中起作用。此外，在较简单实例中学到的特征表示更具通用性，从而对更复杂任务产生正迁移，反之则不然。我们还研究了何种知识对迁移成功最为关键，并确定了应用于预训练的层。
引用
@article{arxiv.2105.11702,
title = {Transfer Learning and Curriculum Learning in Sokoban},
author = {Zhao Yang and Mike Preuss and Aske Plaat},
journal= {arXiv preprint arXiv:2105.11702},
year = {2021}
}