Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1910.14351

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1910.14351 (cs)
[提交于 2019年10月31日 ]

标题: VASE:强化学习中的变分多样惊喜探索

标题: VASE: Variational Assorted Surprise Exploration for Reinforcement Learning

Authors:Haitao Xu, Brendan McCane, Lech Szymanski
摘要: 在具有连续控制和稀疏奖励的环境中进行探索仍然是强化学习(RL)中的一个关键挑战。 最近,意外被用作一种内在奖励,以鼓励系统且高效的探索。 我们引入了一个新的意外定义及其名为变分混合意外探索(VASE)的RL实现。 VASE使用贝叶斯神经网络作为环境动态的模型,并使用变分推断进行训练,交替更新代理模型的准确性和策略。 我们的实验表明,在连续控制稀疏奖励环境中,VASE优于其他基于意外的探索技术。
摘要: Exploration in environments with continuous control and sparse rewards remains a key challenge in reinforcement learning (RL). Recently, surprise has been used as an intrinsic reward that encourages systematic and efficient exploration. We introduce a new definition of surprise and its RL implementation named Variational Assorted Surprise Exploration (VASE). VASE uses a Bayesian neural network as a model of the environment dynamics and is trained using variational inference, alternately updating the accuracy of the agent's model and policy. Our experiments show that in continuous control sparse reward environments VASE outperforms other surprise-based exploration techniques.
主题: 机器学习 (cs.LG) ; 机器学习 (stat.ML)
引用方式: arXiv:1910.14351 [cs.LG]
  (或者 arXiv:1910.14351v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1910.14351
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Haitao Xu [查看电子邮件]
[v1] 星期四, 2019 年 10 月 31 日 10:26:40 UTC (738 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-10
切换浏览方式为:
cs.LG
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号