文章预览
Biological Neurons Compete with Deep Reinforcement Learning in Sample Efficiency in a Simulated Gameworld 生物神经元在模拟游戏世界中与深度强化学习竞争样本效率 https://arxiv.org/abs/2405.16946 摘要 生物系统与机器学习算法在完成任务时所需的样本数量上如何比较,以显示显著的改进?我们比较了 体外生物神经网络与最先进的深度强化学习(RL)算法在学习效率上的差异 ,通过简化模拟游戏“Pong”来进行实验。我们使用了 DishBrain 系统,该系统 将体外神经网络与体内计算相结合,利用高密度多电极阵列进行操作,对比了这些生物系统与三种最先进的深度RL算法(即DQN、A2C和PPO)在相同游戏环境中的学习速率和性能。这使得我们能够在生物神经系统和深度RL之间进行有意义的比较 。我们发现,当 样本数量限制在现实世界的时间范围内时,即使是这些非常简单的生物培养物在
………………………………