TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ 強化学習 Agent57 背景：Never Give Up（NGU） NGU上に構築する2つのアイディア 私たちの研究は、2つのアイデアを組み合わせたNGUエージェントの上に構築される。 1つは、好奇心主導型の探索、2つ目は、分散型の深層RLエージェント、特にR2D2である。 NGUの報酬 NGUは、探索を促進するために固有の報酬を計算する。 この報酬は、エピソードごとと長期にわたる新規性を組み合わせることによって定義される。 エピソードごとの新規性、は、エピソードの過程で急速に消失し、観測をエピソードメモリの内容と比較することによって計算される。 長期にわたる新規性は、訓練全体を通じてゆっくりと消失し、パラメトリック… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2020%2F04%2F01%2F234707" title="Agent57: Outperforming the Atari Human Benchmarkを読む その２ - TadaoYamaokaの開発日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://chart.apis.google.com/chart?cht=tx&chl=r_t%5E%7B%5Ctext%7Bepisodic%7D%7D Hatena Blog https://hatena.blog 2020-04-01 23:47:07 rich https://tadaoyamaoka.hatenablog.com/entry/2020/04/01/234707 1.0 100%