当等待不是一种选择：基于审慎代价学习选项
人工智能
2017-09-15 v1
摘要
近期研究表明，时间扩展动作（选项）可以完全端到端地学习，而非预先指定。尽管“如何”学习选项的问题已日益清晰，但“什么是好的选项”这一问题仍难以捉摸。我们在有限理性框架（Simon, 1957）中通过审慎代价（deliberation cost）的概念，阐述了我们对“好”选项应为何物的回答。随后，我们推导了实用的基于梯度的学习算法来实现该目标。我们在街机学习环境（ALE）中的结果表明，性能和可解释性均得到提升。
引用
@article{arxiv.1709.04571,
title = {When Waiting is not an Option : Learning Options with a Deliberation Cost},
author = {Jean Harb and Pierre-Luc Bacon and Martin Klissarov and Doina Precup},
journal= {arXiv preprint arXiv:1709.04571},
year = {2017}
}