研究前沿：深度强化学习算法 | Nature Machine Intelligence

文章预览

深度强化学习算法的样本效率不高，需要大量的情节，才能达到最佳性能。情景强化学习算法，旨在通过扩展记忆系统，利用过去的经验，以克服这个问题。然而，这些内存扩展，通常仅用作缓冲区，从中对孤立的事件进行重新采样，以进行离线学习（例如，重放）。 近日，法国索邦大学（Sorbonne Université）Paul F. M. J. Verschure，荷兰 拉德堡德大学 (Radboud University）Adrián F. Amil，西班牙 米格尔·埃尔南德斯·德埃尔切大学（Universidad Miguel Hernandez de Elche）Paul F. M. J. Verschure，在Nature Machine Intelligence上发文，介绍了顺序情景控制 Sequential Episodic Control (SEC)，这是一种受海马启发的模型，以时间顺序存储整个事件序列，并在检索中使用顺序偏差，以指导行动。 在Animal-AI Testbed各种基准测试中，对顺序情景控制SEC进行了评估，相比于几个最先进的模型（包括无 ………………………………