Отрывок: : Policy Gradient Algorithms) [6]. Центральной особенностью SAC является регуляризация энтропии. Политика настраивается так, чтобы максимизировать компромисс между ожидаемой доходностью и энтропией, характеризующей меру случайности в политике. Такой подход тесно связан с идеей поиска компромисса между разведкой и эксплуатацией [7], позволяет предотвратить преждевременную сходимость политики к плохому локальному оптимуму. 3. ЭКСПЕРИМЕНТЫ И РЕЗУЛЬТАТЫ ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Козлов Д. А. | ru |
dc.contributor.author | Мясников В. В. | ru |
dc.coverage.spatial | MDP | ru |
dc.coverage.spatial | Unity ML-Agents | ru |
dc.coverage.spatial | SAC | ru |
dc.coverage.spatial | POMDP | ru |
dc.coverage.spatial | виртуальная симуляция | ru |
dc.coverage.spatial | робототехника | ru |
dc.coverage.spatial | машинное обучение с подкреплением | ru |
dc.coverage.spatial | наблюдения окружающей среды | ru |
dc.creator | Козлов Д. А., Мясников В. В. | ru |
dc.date.issued | 2022 | ru |
dc.identifier | RU\НТБ СГАУ\491078 | ru |
dc.identifier.citation | Козлов, Д. А. Влияние состава наблюдений окружающей среды в задаче приобретения навыков передвижения в трехмерном пространстве при использовании алгоритмов обучения с подкреплением / Д. А. Козлов, В. В. Мясников // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 041502. | ru |
dc.description.abstract | В работе исследуется влияние состава наблюдений окружающей среды на процесс обучения «двуногого» мехатронного объекта навыкам передвижения в трёхмерном пространстве. Исследования проводятся всреде игрового движка Unity с использованием пакета ML-Agents. В качестве алгоритма обучения был выбран SoftActor Critic, как один из наиболее эффективных современных алгоритмов обучения с подкреплением (RL),показавший наибольшую эффективность на наборе аналогичных задач. Показано, что состав наблюденийможет радикально менять скорость обучения и даже замедлять процесс обучения при наличии «избыточных»данных. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. - | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2022). - Т. 4 : Искусственный интеллект | ru |
dc.title | Влияние состава наблюдений окружающей среды в задаче приобретения навыков передвижения в трехмерном пространстве при использовании алгоритмов обучения с подкреп | ru |
dc.type | Text | ru |
dc.citation.spage | 041502 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | : Policy Gradient Algorithms) [6]. Центральной особенностью SAC является регуляризация энтропии. Политика настраивается так, чтобы максимизировать компромисс между ожидаемой доходностью и энтропией, характеризующей меру случайности в политике. Такой подход тесно связан с идеей поиска компромисса между разведкой и эксплуатацией [7], позволяет предотвратить преждевременную сходимость политики к плохому локальному оптимуму. 3. ЭКСПЕРИМЕНТЫ И РЕЗУЛЬТАТЫ ... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-041502.pdf | 909.02 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.