KDDFeb, 2021

在连续任务中利用导师进行领域知识转移

PDF
TL;DR将顾问整合到深度确定性策略梯度（DDPG）算法，以允许将领域知识以预先学习的政策或预定义的关系的形式整合到学习过程中，以加速学习和改善政策。
发现论文，激发创造
  • 深度反应策略在 MDP 规划中的转移

    本论文提出了一种基于深度强化学习技术的 MDP planning domains 的无模型迁移学习算法，通过利用 RDDL 表示中的符号状态配置和转移函数，使得零 / 极少量训练和无需使用领域模拟器的迁移成为可能。

    Oct, 2018

  • AdaRL：迁移强化学习中的适应什么、在哪里和如何适应

    提出了一种基于图表示学习的 RL 适应策略 AdaRL，只需少量样本即可可靠且高效地适应环境变化，结果表明 AdaRL 在 Cartpole 和 Atari 游戏中的表现良好。

    Jul, 2021

  • 深度强化学习的连续控制

    本论文将 Deep Q-Learning 算法应用于连续动作域，并提出了一种基于确定性策略梯度的演员 - 评论家模型无模型算法，可在连续动作空间中进行操作，成功解决了 20 多个模拟物理任务，并能与完全访问动态并了解其导数的规划算法相竞争，并证明该算法对许多任务能够进行端到端学习。

    Sep, 2015

  • 使用知识图谱进行深度强化学习的迁移学习

    该研究探讨了使用知识图谱作为域知识传输的表示来训练文本冒险游戏中的强化学习智能体的方法，测试其在多个游戏上的迁移学习能力，结果表明这种方法能够更快地学习高质量的控制策略。

    Aug, 2019

  • 强化学习任务状态对应关系的学习，用于知识迁移

    该研究提出了一种基于生成对抗网络模型的一对一转移学习方法，旨在解决深度强化学习中新任务的知识重用和泛化问题。

    Sep, 2022

  • 自省行为指导的可解释迁移学习

    本篇文章提出了一种基于动作建议的深度强化学习任务之间的迁移学习替代方法，该方法可提高 Gridworld 和 Atari 环境下的收敛速率并提供知识迁移情况的洞见。

    Jun, 2023

  • 基于深度强化学习的适应性和泛化性方法综述

    本文调查研究 Deep Reinforcement Learning (DRL) 中关于任务和领域适应以及泛化的最新发展，讨论未来如何增强算法的适应性和泛化能力，以解决更广泛的实际问题。

    Feb, 2022

  • 离线动态强化学习：通过领域分类器进行转移训练

    我们提出了一种简单、实用和直观的强化学习领域自适应方法，通过修改奖励函数，使用辅助分类器来区分源域和目标域，对源域中不可能出现的状态进行惩罚，适用于连续状态和动作的域，可扩展至高维任务。

    Jun, 2020

  • 引导式对话策略学习：针对多领域任务导向型对话的奖励估计

    该研究提出了一种基于对抗逆强化学习的引导式对话策略学习算法，该算法可以在多领域任务导向对话中进行奖励估计和策略优化，以实现有效的对话，并在多领域对话数据集上进行广泛实验。

    Aug, 2019

  • 多智能体强化学习中多个独立顾问的学习

    本文提出了一种基于两级 Q-learning 架构的学习模型，可以同时从多个独立顾问中学习，以提高多智体强化学习在复杂环境下的效率和性能

    Jan, 2023