声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1429/V
国际刊号：1005-2615
发布日期:
作者：黄文宇，黄圣君
单位：南京航空航天大学计算机科学与技术学院/人工智能学院， 南京 211106；,南京航空航天大学计算机科学与技术学院/人工智能学院， 南京 211106；
关键词：强化学习;模仿学习;行为克隆;逆强化学习;主动学习
基金：航空动力基金（6141B09050342）资助项目。
深度强化学习在学习过程中需要与环境进行大量的交互，训练效率低下。模仿学习通过从专家示范中学习，可以有效地应对这一挑战，但是需要收集大量的专家示范轨迹，在复杂任务中往往导致高昂的示范代价。本文提出一种基于主动学习的行为克隆算法，通过主动挑选示范起始状态来减小示范代价。该方法基于不确定性采样和不相似性采样两种策略，从状态候选集中挑选最有价值的状态作为起始状态，然后向专家查询固定长度的示范轨迹，希望从尽可能少的示范中学习出有效策略。在多个不同任务上的实验表明，本文方法可以用更少的示范轨迹进行行为克隆，降低了强化学习中的专家示范代价。
来源：2021年第5期
《南京航空航天大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。