Радуга: Красочная эволюция глубоких Q-сетей 🌈
• DQN (Deep Q-Networks) - прорыв в глубоком обучении с подкреплением в 2013 году. • DQN Megazord (Rainbow) - объединение 6 мощных вариантов DQN в 2017 году. • Rainbow состоит из DQN, дуэльной DQN, распределительного DQN, многоступенчатого обучения, зашумленного DQN и приоритетного воспроизведения опыта. • DQN - фундаментальный строительный блок Rainbow, аппроксимирует Q-функцию с использованием нейронной сети. • Дуэльная DQN разделяет расчет ценности и преимуществ, улучшая стабильность и скорость конвергенции. • Распределительный DQN использует обратное распределение для моделирования распределения доходности. • Многоступенчатое обучение улучшает сигнал вознаграждения и эффективность выборки, уменьшая дисперсию. • Зашумленный DQN использует обучаемый и зависящий от состояния механизм исследования для улучшения разведки. • Приоритетное воспроизведение опыта использует ошибку TD для оценки потенциала обучения при переходе.
Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А телеграм-бот опубликовал пост в Сетке. читать материал полностью
