deep reinforcement learning agents | BriefGPT

关键词deep reinforcement learning agents

搜索结果 - 6

深度强化学习中的剪枝网络是良好网络
近期的研究表明，深度强化学习代理在有效利用网络参数方面存在困难。我们利用先前对稀疏训练技术优势的了解，证明逐渐减少参数的大小可以使代理最大化参数的有效性。这导致网络在性能上比传统网络有显著的改进，并呈现出一种 “按比例尺” 的特性，只使用了
PDF5 months ago
使用强化学习进行视觉概念的组合学习
深度强化学习代理需要数百万次训练以解决与指令相关的导航任务，对于其泛化到新颖指令组合的能力还不清楚。然而，有趣的是，儿童能够将基于语言的指令分解并导航到所指对象，即使他们以前没有见过这种查询的组合。因此，我们创建了三个 3D 环境来研究深度
PDF10 months ago
一个新生儿体现的图灵测试：用于视角不变目标识别
通过新生儿体验的图灵测试实验方法，该研究发现虽然基于深度强化学习代理及其内在动机的机器可以自发发展类似于新生小鸡的视觉引导行为，但在物体识别任务上，机器仍远远不能达到类似新生宝宝的表现水平。
PDFa year ago
ColO-RAN：在可编程实验平台上开发基于机器学习的 xApps，用于开放式 RAN 闭环控制
这篇论文介绍了 ColO-RAN，是一个能够解决缺少数据和实验测试基础设施的具有大规模的 O-RAN 测试框架，用于设计，训练，测试和评估基于深度强化学习 (DRL) 的闭环控制。它可以在真实网络上延迟进展，并提供了关于开发无线 DRL 管
PDF3 years ago
ICLR通过谱强化学习适应奖励进度
本文探讨了一种在增量奖励的加强学习任务中，为了解决价值深度强化学习代理人遇到相对没有奖励的区域的问题，提出了一种名为 “Spectral DQN” 的方法，将奖励分解成特定的频率，从而让损失函数平衡，这种方法成功地提高了标准价值法的效率，并
PDF3 years ago
NIPS利用过去的在线调整进行快速深度强化学习
我们提出了 “短暂价值调整（Ephemeral Value Adjustments，EVA）”：一种允许深度强化学习代理快速适应其回放缓冲区中的经验的方法。EVA 通过估计从当前状态附近的回放缓冲区中的经验组成的价值函数来转移神经网络预测的
PDF6 years ago