서지주요정보
(The) meta reinforcement learning with multiple models = 다중 모델을 이용한 메타 강화 학습
서명 / 저자 (The) meta reinforcement learning with multiple models = 다중 모델을 이용한 메타 강화 학습 / Myungsik Cho.
저자명 Cho, Myungsik ; 조명식
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033818

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MEE 19069

SMS전송 소장위치

도서상태

이용가능

대출가능

반납예정일

초록정보

Most deep reinforcement learning algorithms are sample inefficient in complex and rich environments, so they need a large amount of sample to adapt to a new task. However, in the real world, adapting a new task quickly with a small amount of sample is essential. One way to solve this problem is the meta-learning that learns how to learn, and studies on meta-learning have been performed. However, prior meta-learning methods only consider the one model for adapting a new task, but having the only model for adaptation is not enough for more complex tasks. In this work, we propose a meta-learning method with multiple models for adapting to a new task in reinforcement learning (meta-RL). The proposed meta-RL algorithm is evaluated on a variety of locomotion tasks, and we show that the proposed algorithm is more effective at learning a new task.

대부분의 심층 강화학습 알고리즘은 복잡하고 풍부한 환경에서 샘플 비효율적이므로, 새로운 작업에 적응하기 위해 많은 양의 샘플을 필요로 한다. 그러나 실제 환경에서는 적은 양의 샘플로 빠르게 주어진 새로운 작업에 적용하는 것이 중요하다. 이 문제를 해결하기 위한 한 가지 방법은 메타 학습을 통해 학습하는 것을 배우는 것이고, 이에 대한 연구가 수행되어왔다. 이전의 연구들은 하나의 모델을 가지고 새로운 작업에 학습하는 것을 가정했지만, 적응을 위한 하나의 모델만 갖는 것은 더 복잡한 작업에는 충분하지 않다.본 논문에서는 강화학습에서 새로운 작업에 적응하기 위한 다중 모델을 사용한 메타 학습 방법을 제안하다. 제안된 메타 강화학습 알고맂므은 다양한 이동 동작에 대해서 평가되며, 제안된 알고리즘이 새로운 작업에 학습하는 것에 보다 효과적임을 보여준다.

서지기타정보

서지기타정보
청구기호 {MEE 19069
형태사항 iv, 20 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 조명식
지도교수의 영문표기 : Youngchul Sung
지도교수의 한글표기 : 성영철
학위논문 학위논문(석사) - 한국과학기술원 : 전기및전자공학부,
서지주기 References : p. 16-18
주제 Reinforcement learning
meta learning
강화 학습
메타 러닝
QR CODE qr code