0
本文作者: 章敏 | 2016-08-24 15:33 |
導(dǎo)讀:PRICAI 2016是環(huán)太平洋國際人工智能會議 ,每兩年舉行一次,大會專注于人工智能的理論,技術(shù)及其在社會領(lǐng)域的應(yīng)用,和其對于太平洋沿岸國家經(jīng)濟(jì)的重要性。
摘要:很多現(xiàn)實(shí)生活中的強(qiáng)化學(xué)習(xí)問題,要求代理同時控制多個行動。在這種情況下進(jìn)行學(xué)習(xí),以前,每一個動作通常和其他動作分開處理。然而,在應(yīng)用中多個行動之間幾乎很少獨(dú)立進(jìn)行,而且利用行動之間潛在的關(guān)系,可能有助于加快學(xué)習(xí)。本文探討了強(qiáng)化學(xué)習(xí)中多個行動之間的關(guān)系。我們提出執(zhí)行一個正則項(xiàng)來捕獲多行動之間的關(guān)系。我們將正則項(xiàng)具體化到最小二乘策略迭代和時域差分法中,這有效的解決了凸學(xué)習(xí)目標(biāo)。所提出的方法已在幾個領(lǐng)域中被證實(shí)有效。實(shí)驗(yàn)結(jié)果顯示具體化多動作之間關(guān)系能有效提高學(xué)習(xí)性能。
俞楊(Yang Yu)
郵箱:yuy@lamda.nju.edu.cn
職位:南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系副教授/LAMDA Group
研究方向:人工智能,進(jìn)化的機(jī)器學(xué)習(xí),強(qiáng)化學(xué)習(xí)
相關(guān)學(xué)術(shù)論文:
·High-dimensional derivative-free optimization
·Pareto optimization
汪涵(Han Wang)
郵箱:wangh@lamda.nju.edu.cn
職位:南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系理科碩士/LAMDA Group
研究方面:機(jī)器學(xué)習(xí),數(shù)據(jù)挖掘,強(qiáng)化學(xué)習(xí)
via:PRICAI 2016
PS : 本文由雷鋒網(wǎng)獨(dú)家編譯,未經(jīng)許可拒絕轉(zhuǎn)載!
雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。