Mar, 2024

TractOracle: 为基于强化学习的径迹重建术提供解剖学导向的奖励函数

PDF
TL;DR该研究提出了一种基于强化学习的 TractOracle 系统，通过训练基于分类的奖励网络，既作为训练的奖励函数，也用于提前停止跟踪过程，从而减少虚假阳性的轨迹，从而实现了对白质纤维束轨迹的同时评估和重建，取得了近 20％的真阳性比例提高和 3 倍虚假阳性比率降低的改进及另一数据集中 2 倍至 7 倍真阳性纤维束数量的增加。
reinforcement learning-based tractographyanatomical accuracyreward functionstractography algorithmstractoracle system
发现论文，激发创造
  • 轨迹反馈的强化学习

    本文提出了一种基于轨迹反馈的强化学习算法，通过加强措施而无需为每个状态 - 动作对提供奖励，旨在处理现实世界的环境下反馈不及时的问题，同时，我们还分析了此算法的性能并提供优化 - 汤普森采样方法来处理未知转移模型的情况。

    Aug, 2020

  • 蒙特卡罗强化学习中的轨迹截断

    该研究提出了一种基于预算分配的数据收集策略，通过对轨迹进行截断来最小化策略的预期收益的经验估计的置信区间的宽度。研究还使用这种轨迹截断机制扩展了一种基于重要性采样的政策优化算法，并在数值比较中证明了该算法可以成功提高性能。

    May, 2023

  • 无监督感知奖励用于模仿学习

    利用深度模型学习中间视觉表示的抽象能力来从少量的演示序列中快速推断知觉奖励函数，以便在真实世界环境中使用强化学习智能体执行任务。

    Dec, 2016

  • 奖励微调以提高更快和更准确的无监督目标发现

    通过利用人类反馈进行强化学习，无监督对象发现的准确性和训练速度得到了显著提高。

    Oct, 2023

  • ReST-MCTS*: LLM 自训练通过过程奖励引导的树搜索

    基于强化学习的 ReST-MCTS* 方法结合过程奖励模型与树搜索 MCTS*，获取高质量的推理轨迹用于训练策略和奖励模型，在 LLM 自我训练中取得了更高的准确性和性能。

    Jun, 2024

  • 使用神经网络奖励函数的开放式强化学习

    该研究提出了一种使用神经网络编码奖励函数的方法，通过迭代训练，以鼓励更复杂的行为，实现在高维度机器人和像素级环境下的无监督学习，从而学习包括前空翻和单腿奔跑等丰富的技能。

    Feb, 2022

  • TrackAgent: 通过强化学习进行 6D 物体追踪

    追踪物体的六维姿态，在物体本身或观察相机移动时，对许多机器人学和增强现实应用非常重要。在跟踪任务的严格时间限制下，我们提出了将物体追踪简化为加强点云（仅深度）对齐任务的方法。

    Jul, 2023

  • 强化学习中基于反馈的树搜索

    本文提出一种基于模型的强化学习技术，该技术将 Monte-Carlo 树搜索应用于无限期 Marov 决策过程的有限期版本，并使用值函数和策略函数的组合来规定有限期问题的终端条件或决策树的叶节点评估器。作者还提供了第一个基于树搜索的强化学习算法的样本复杂度边界，并证明由深度神经网络实现的技术能够创建一种竞争性人工智能代理。

    May, 2018

  • 辅助奖励生成与过渡距离表示学习

    通过度量状态之间的转换距离，我们提出了一种新颖的表示学习方法，用于自动生成辅助奖励，以促进增强学习的效率和收敛稳定性。

    Feb, 2024

  • 基于规划的探索：关于最优轨迹信息的研究

    通过规划最大化任务最优轨迹的期望信息增益的行动序列，使得该方法在较低的样本量下能够学习较强的策略，比探索基线算法少用 2 倍样本，比模型自由方法少用 200 倍样本。

    Oct, 2022