sample-efficient | BriefGPT

关键词sample-efficient

搜索结果 - 16

BEACON：昂贵黑箱系统中的新颖搜索的贝叶斯优化策略
提出了一种针对黑盒系统的用于高效采样的基于贝叶斯优化的新颖搜索算法。通过模拟和实验，自动发现多样化的系统行为对于许多真实世界的设计问题至关重要。该算法利用多输出高斯过程模型和一种基于后验样本的新颖度量，既能够促进探索又能够充分利用已有信息，
PDFa month ago
线性样本复杂度下的单指数模型无偏主动学习
对单指数模型进行主动学习方法的研究，证明了在已知或未知函数情况下，通过统计杠杆得分采样，采集约 O (d) 个样本即可学习出接近最优的单指数模型，且适用于拟合偏微分方程等科学机器学习应用。这种方法无需对数据分布进行假设，在挑战性的对手学习环
PDF2 months ago
在语义空间中搜索程序化策略
在本文中，我们提出了一种使用语义空间进行程序策略综合的替代方法，通过学习一组具有不同代理行为的程序库来定义语义空间，并通过在当前候选程序中替换程序库中的程序来近似语义空间，实验证明在语义空间中搜索比在基于语法的空间中搜索更加高效。
PDF2 months ago
针对条件变化下的昂贵实验与模拟开发一种实用的贝叶斯优化算法
在变化环境下，该研究扩展了贝叶斯优化方法，通过在可控和环境变量上拟合全局模型，在测量到不可控变量的条件下仅优化可控参数，以提高实验效果。
PDF5 months ago
元元强化学习与在线 LQR 中的任务相关损失函数
我们提出了一个样本高效的元强化学习算法，通过学习任务导向方式下的系统模型，在元强化学习中利用价值信息迅速捕捉环境的决策关键部分，并借助损失函数来学习任务推断模块和系统模型，从而实现与现有元强化学习算法相比使用更少的数据来学习策略和任务推断模
PDF7 months ago
基于策略的样本高效观测模仿学习
本文提出了 SEILO，这是一种新颖的 ILO 的样本有效的 on-policy 算法，结合了标准的对抗性模仿学习和逆动力学建模，通过此方法能够使智能体从对手过程和行为克隆损失中接收反馈，我们实证表明，相比于其他现有的 on-policy
PDFa year ago
基于深度代理的环境生成
本论文介绍了一种深度代理辅助环境生成技术（DSAGE）, 该技术可以有效生成高质量、多样化的环境，以探索最先进的强化学习和规划代理的多样行为。
PDF2 years ago
交互式决策的统计复杂度
提供决策 - 评估系数，作为评估交互式学习复杂度的量，从而实现与样本效率无关的最佳后悔，同时引入了一种新的选择 Estimation-to-Decisions（E2D），使得监督学习的算法适应于在线决策，从而实现了准确的与样本效率无关的学习
PDF3 years ago
可解释的偏差网络深度少样本异常检测
本篇论文提出了一种少样本异常检测框架，通过弱监督学习方式训练检测模型，维护了良好的正常性表示和异常性表示，同时兼顾了 sample-efficient 考虑，实现了对少量标注样本的训练，并在 9 个实际图像异常检测基准测试中表现显著好于同类
PDF3 years ago
不需要私有协方差估计的协方差感知私有均值估计
提出两种样本有效的差分隐私均值估计器，可用于具有未知协方差的 $d$ 维（子）高斯分布。这些估计器是基于一种简单通用的设计差分隐私机制的方法实现的，但需要新颖的技术步骤使其保持隐私和有效性。
PDF3 years ago
ICLR高效自动化深度强化学习
本文提出了一种基于群体的自动化强化学习（AutoRL）框架，该框架在优化超参数和神经网络结构的同时训练智能体，提高了元优化的采样效率。在 MuJoCo 基准套件中的 TD3 算法中，我们将元优化所需的环境交互次数减少了一个数量级。
PDF4 years ago
ICLR自我预测表示法的数据有效强化学习
本文提出了自回归表示 (Self-Predictive Representations, SPR) 方法，使用深度强化学习方法，并结合自监督目标和对视觉输入和与环境的交互结构的预测，提高了代理器的学习效率，并在 Atari 游戏中显著提高了
PDF4 years ago
基于神经注意力过程的经济高效交互式注意力学习
本文提出了一种新的交互式学习框架，即交互式注意力学习（IAL），其中人类监督者可以交互地操纵分配的注意力来纠正模型的行为，并通过更新注意力生成网络来进行修正。通过使用样本高效的注意力机制和一种小样本成本有效的重排算法，本文解决了模型过度拟合
PDF4 years ago
ICML可证明自我对弈算法用于竞争性强化学习
研究自博弈算法在 Markov 游戏中的应用，提出了 Value Iteration with Upper/Lower Confidence Bound (VI-ULCB) 算法和探索 - 开采算法，并证明了其在策略最佳化中的有效性和高样本
PDF4 years ago
主动学习高斯过程动力学
本文提出了利用高斯过程回归中自然产生的信息理论特性的主动学习策略，尊重系统动态 imposed 约束下的抽样过程，并在高不确定度区域选择抽样点，以实现探索性行为和数据高效训练。该方法在大量数值基准测试中得到验证。
PDF5 years ago
一种用监督数据提高采样效率的演员 - 评论家强化学习方法在对话管理中的应用
介绍了两种神经网络算法 ——trust region actor-critic with experience replay (TRACER) 和 episodic natural actor-critic with experience
PDF7 years ago