دانلود مقاله انگلیسی رایگان:تسریع در مدل یادگیری تقویتی عمیق برای استراتژی بازی - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Accelerating deep reinforcement learning model for game strategy Accelerating deep reinforcement learning model for game strategy
    Accelerating deep reinforcement learning model for game strategy

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Accelerating deep reinforcement learning model for game strategy


    ترجمه فارسی عنوان مقاله:

    تسریع در مدل یادگیری تقویتی عمیق برای استراتژی بازی


    منبع:

    Sciencedirect - Elsevier - Neurocomputing, 408 (2020) 157-168. doi:10.1016/j.neucom.2019.06.110


    نویسنده:

    Yifan Li a , Yuchun Fang a , ∗, Zahid Akhtar b


    چکیده انگلیسی:

    In recent years, deep reinforcement learning has achieved impressing accuracies in games compared with traditional methods. Prior schemes utilized Convolutional Neural Networks (CNNs) or Long Short- Term Memory networks (LSTMs) to improve the performances of the agents. In this paper, we consider the issue from a different perspective when the training and inference of deep reinforcement learning are required to be performed with limited computing resources. Mainly, we propose two efficient neu- ral network architectures of deep reinforcement learning: Light-Q-Network (LQN) and Binary-Q-Network (BQN). In LQN, The depth-wise separable CNNs are utilized in memory and computation saving. While, in BQN, the weights of convolutional layers are binary that help in shortening the training time and reduce memory consumption. We evaluate our approach on Atari 2600 domain and StarCraft II mini-games. The results demonstratethe efficiency of the proposed architectures. Though performances of agents in most games are still super-human, the proposed methods advance the agent from sub to super-human performance in particular games. Also, we empirically find that non-standard convolution and non-full- precision networks do not affect agent learning game strategy.
    Keywords: Deep reinforcement learning | Convolutional neural network | Depthwise separable convolution | Binary weight network


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 2396 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi