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 进化生物学 生物 数学分析 几何学 政治学
作者
Scott Fujimoto,Herke van Hoof,David Meger
出处
期刊:Cornell University - arXiv 被引量:2364
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
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
MUWENYING发布了新的文献求助10
刚刚
li完成签到,获得积分10
刚刚
刚刚
允许一切发生完成签到,获得积分10
2秒前
香蕉觅云应助www采纳,获得10
2秒前
3秒前
3秒前
4秒前
4秒前
夜月残阳完成签到,获得积分10
5秒前
研友_57A445发布了新的文献求助10
5秒前
7秒前
科研通AI6.1应助xiaolizi采纳,获得10
7秒前
8秒前
小芳儿发布了新的文献求助10
8秒前
章鱼发布了新的文献求助10
9秒前
9秒前
骡子发布了新的文献求助10
10秒前
SR完成签到,获得积分10
11秒前
11秒前
11秒前
yuan发布了新的文献求助10
12秒前
12秒前
美丽的智宸完成签到,获得积分20
13秒前
彭于晏应助miemier采纳,获得10
13秒前
一个圈完成签到,获得积分10
13秒前
14秒前
14秒前
陈曦完成签到,获得积分10
14秒前
小鹿5460应助猫头小鹰采纳,获得10
14秒前
埃塞克斯发布了新的文献求助10
15秒前
英姑应助Jeff采纳,获得10
15秒前
刺猬完成签到,获得积分10
16秒前
MUWENYING完成签到,获得积分10
16秒前
16秒前
工藤新一发布了新的文献求助10
17秒前
LHD201520完成签到,获得积分10
17秒前
18秒前
kkkkkkkkkkk发布了新的文献求助10
18秒前
tester_gater发布了新的文献求助20
19秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Introduction to Helicopter and Tiltrotor Flight Simulation, Second Edition 2500
卤化钙钛矿人工突触的研究 2000
History of U.S. Space Surveillance and Satellite Cataloging 1000
Malcolm Fraser : a biography 700
Signals, Systems, and Signal Processing 610
Materials selection in mechanical design 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6505343
求助须知:如何正确求助?哪些是违规求助? 8299326
关于积分的说明 17716504
捐赠科研通 5605316
什么是DOI,文献DOI怎么找? 2920153
邀请新用户注册赠送积分活动 1897501
关于科研通互助平台的介绍 1759647