基于对抗目标与增强的深度学习强化学习迁移
机器学习
2018-09-05 v1 机器学习
摘要
在过去几年中，深度强化学习已被证明能够解决具有复杂状态的问题，如视频游戏或棋盘游戏。智能体的下一步将能够在任务间泛化，并利用先前的经验更快地掌握新技能。然而，目前大多数强化学习算法即使在面对非常相似的目标任务时也常遭受灾难性遗忘。我们的方法使智能体能够从单一源任务泛化知识，并在面对新任务时通过半监督学习方法加速学习进程。我们在Atari游戏（一个流行的强化学习基准）上评估了该方法，结果表明其优于基于预训练与微调的常用基线。
引用
@article{arxiv.1809.00770,
title = {Transferring Deep Reinforcement Learning with Adversarial Objective and Augmentation},
author = {Shu-Hsuan Hsu and I-Chao Shen and Bing-Yu Chen},
journal= {arXiv preprint arXiv:1809.00770},
year = {2018}
}
备注
13 pages