Обучение глубоких нейронных сетей с подкреплением

Abstract

В работе рассмотрена проблема обучения глубоких нейронных сетей с подкреплением. Предложен подход, в котором для обучения агента используется не только среда, но и ее нейросетевая модель, обучаемая одновременно с агентом. Проведено экспериментальное сравнение предложенного подхода с известным методом Actor-Critic. Результаты экспериментов показали, что предложенный подход требует почти в два раза меньше обучающих данных, чем метод Actor-Critic