变分深度 Q 网络
机器学习
2017-12-01 v1 人工智能
机器学习
摘要
我们提出了一个框架，直接处理深度 Q 网络（DQN）中价值函数参数的概率分布，并利用强大的变分推断子程序来近似参数的后验。我们将建立我们所提出的替代目标与变分推断损失之间的等价性。我们的新算法实现了高效探索，并在大规模链式马尔可夫决策过程（MDP）上表现良好。
引用
@article{arxiv.1711.11225,
title = {Variational Deep Q Network},
author = {Yunhao Tang and Alp Kucukelbir},
journal= {arXiv preprint arXiv:1711.11225},
year = {2017}
}
备注
12 pages, 5 figures, Second workshop on Bayesian Deep Learning (NIPS 2017)