Addressing Function Approximation Error in Actor-Critic Methods

强化学习 计算机科学 贝尔曼方程 功能(生物学) 一套 价值(数学) 极限(数学) 人工智能 函数逼近 连接(主束) 时差学习 数学优化 机器学习 数学 人工神经网络 法学 生物 进化生物学 数学分析 政治学 几何学
作者
Scott Fujimoto,Herke van Hoof,David Meger
出处
期刊:Cornell University - arXiv 被引量:1858
标识
DOI:10.48550/arxiv.1802.09477
摘要

In value-based reinforcement learning methods such as deep Q-learning, function approximation errors are known to lead to overestimated value estimates and suboptimal policies. We show that this problem persists in an actor-critic setting and propose novel mechanisms to minimize its effects on both the actor and the critic. Our algorithm builds on Double Q-learning, by taking the minimum value between a pair of critics to limit overestimation. We draw the connection between target networks and overestimation bias, and suggest delaying policy updates to reduce per-update error and further improve performance. We evaluate our method on the suite of OpenAI gym tasks, outperforming the state of the art in every environment tested.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
人参跳芭蕾完成签到 ,获得积分10
4秒前
5秒前
5秒前
冰阔落完成签到 ,获得积分10
5秒前
Liao完成签到 ,获得积分10
6秒前
yiling发布了新的文献求助10
10秒前
doubleshake发布了新的文献求助10
12秒前
彳亍完成签到 ,获得积分10
14秒前
14秒前
黑色的白鲸完成签到,获得积分10
18秒前
20秒前
DD立芬完成签到 ,获得积分10
20秒前
乐观的从云完成签到,获得积分10
20秒前
三金完成签到,获得积分10
21秒前
22秒前
科研佟完成签到 ,获得积分10
22秒前
25秒前
ZZ完成签到,获得积分10
26秒前
秦pale发布了新的文献求助30
28秒前
James完成签到,获得积分10
29秒前
小木子发布了新的文献求助10
30秒前
可爱的函函应助yiling采纳,获得10
33秒前
狼洪明完成签到,获得积分10
33秒前
ivy完成签到 ,获得积分10
35秒前
ch3oh完成签到,获得积分10
37秒前
杨天天完成签到,获得积分10
37秒前
阿言完成签到 ,获得积分10
38秒前
39秒前
yu完成签到,获得积分10
39秒前
李爱国应助小木子采纳,获得10
42秒前
James发布了新的文献求助10
43秒前
现代的紫霜完成签到,获得积分10
43秒前
WTH完成签到,获得积分10
44秒前
yiling完成签到,获得积分10
44秒前
君克渡完成签到,获得积分10
47秒前
何筱江完成签到,获得积分10
48秒前
Brian完成签到,获得积分10
49秒前
Hina完成签到,获得积分10
49秒前
小鹿斑斑比完成签到,获得积分10
49秒前
若俗人完成签到,获得积分10
50秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137067
求助须知:如何正确求助?哪些是违规求助? 2788055
关于积分的说明 7784485
捐赠科研通 2444102
什么是DOI,文献DOI怎么找? 1299733
科研通“疑难数据库(出版商)”最低求助积分说明 625557
版权声明 601010