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:1806.00540v1

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1806.00540v1 (cs)
[提交于 2018年6月1日 ]

标题: 将瞬时记忆整合到强化学习智能体中使用水库采样

标题: Integrating Episodic Memory into a Reinforcement Learning Agent using Reservoir Sampling

Authors:Kenny J. Young, Richard S. Sutton, Shuo Yang
摘要: 情景记忆是一个心理学术语,指的是回忆过去特定事件的能力。 我们认为这种特定类型的记忆的一个优势是,当回忆的信息被发现是有用的时,能够轻松地将信用分配给特定的状态。 受这一想法的启发,以及外部记忆机制在深度学习系统中处理长期依赖关系日益流行的影响,我们提出了一种新算法,该算法使用水库采样过程来维护一个由固定数量的过去状态组成的外部记忆。 该算法使深度强化学习代理能够在线学习,优先记住那些后来被发现有用的状态。 关键的是,这种方法允许对外部记忆的写入过程进行高效的在线梯度估计。 因此,与大多数之前的外部记忆机制不同,它在在线强化学习设置中是可行的。
摘要: Episodic memory is a psychology term which refers to the ability to recall specific events from the past. We suggest one advantage of this particular type of memory is the ability to easily assign credit to a specific state when remembered information is found to be useful. Inspired by this idea, and the increasing popularity of external memory mechanisms to handle long-term dependencies in deep learning systems, we propose a novel algorithm which uses a reservoir sampling procedure to maintain an external memory consisting of a fixed number of past states. The algorithm allows a deep reinforcement learning agent to learn online to preferentially remember those states which are found to be useful to recall later on. Critically this method allows for efficient online computation of gradient estimates with respect to the write process of the external memory. Thus unlike most prior mechanisms for external memory it is feasible to use in an online reinforcement learning setting.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 机器学习 (stat.ML)
引用方式: arXiv:1806.00540 [cs.LG]
  (或者 arXiv:1806.00540v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1806.00540
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Kenneth Young [查看电子邮件]
[v1] 星期五, 2018 年 6 月 1 日 20:52:31 UTC (2,580 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.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-06
切换浏览方式为:
cs
cs.AI
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