会员服务
学成 · 稳健性 · 强化学习 · MAML · 生成式对抗网络 ·
2021 年 4 月 27 日
Adaptive Adversarial Training for Meta Reinforcement Learning
翻译：元加强学习适应性反逆向培训
Shiqi Chen,Zhengyu Chen,Donglin Wang
Shiqi Chen,Zhengyu Chen,Donglin Wang

Meta Reinforcement Learning (MRL) enables an agent to learn from a limited number of past trajectories and extrapolate to a new task. In this paper, we attempt to improve the robustness of MRL. We build upon model-agnostic meta-learning (MAML) and propose a novel method to generate adversarial samples for MRL by using Generative Adversarial Network (GAN). That allows us to enhance the robustness of MRL to adversal attacks by leveraging these attacks during meta training process.


翻译：元加强学习使代理商能够从有限的过去轨迹中学习,并推断出新的任务。在本文件中,我们试图提高MRL的稳健性。我们利用模型-不可知性元学习(MAML),提出了一种新颖的方法,利用基因反向网络(GAN)为MRL生成对抗性样本。这使我们能够通过在元培训过程中利用这些攻击,提高MRL对反向攻击的稳健性。
1
下载
关闭预览

相关内容

元学习(meta learning) 最新进展综述论文
元学习(meta learning) 最新进展综述论文
专知会员服务
278+阅读 · 2020年5月8日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
127+阅读 · 2020年4月19日
【CVPR2020-国科大】状态标签对抗主动学习，Adversarial Active Learning
【CVPR2020-国科大】状态标签对抗主动学习，Adversarial Active Learning
专知会员服务
47+阅读 · 2020年4月13日
【CVPR2020】对抗特征幻觉网络的小样本学习，Adversarial Feature Hallucination Networks for Few-Shot Learning
【CVPR2020】对抗特征幻觉网络的小样本学习，Adversarial Feature Hallucination Networks for Few-Shot Learning
专知会员服务
49+阅读 · 2020年3月31日
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
专知会员服务
66+阅读 · 2020年3月28日
最新必读的8篇「小样本学习（few-shot learning）」2020顶会论文和代码
最新必读的8篇「小样本学习（few-shot learning）」2020顶会论文和代码
专知会员服务
238+阅读 · 2020年3月2日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
专知会员服务
158+阅读 · 2020年2月29日
【论文】量子对抗机器学习，Quantum Adversarial Machine Learning
【论文】量子对抗机器学习，Quantum Adversarial Machine Learning
专知会员服务
37+阅读 · 2020年1月5日
近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文
近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文
专知会员服务
58+阅读 · 2019年12月24日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
小样本学习（Few-shot Learning）综述
小样本学习（Few-shot Learning）综述
PaperWeekly
120+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
论文共读 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
论文共读 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
PaperWeekly
6+阅读 · 2017年10月21日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Adaptive Feature Alignment for Adversarial Training
Arxiv
0+阅读 · 2021年6月16日
Smoothness Analysis of Adversarial Training
Arxiv
0+阅读 · 2021年6月15日
Model-based Adversarial Meta-Reinforcement Learning
Arxiv
5+阅读 · 2020年6月16日
A Meta-Learning Framework for Generalized Zero-Shot Learning
A Meta-Learning Framework for Generalized Zero-Shot Learning
Arxiv
3+阅读 · 2019年9月10日
Meta-Transfer Learning for Few-Shot Learning
Meta-Transfer Learning for Few-Shot Learning
Arxiv
4+阅读 · 2019年4月9日
Adversarial Transfer Learning
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Multi-task Deep Reinforcement Learning with PopArt
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Adversarial Meta-Learning
Arxiv
7+阅读 · 2018年6月8日
Event Extraction with Generative Adversarial Imitation Learning
Arxiv
13+阅读 · 2018年4月21日
Generating Adversarial Examples with Adversarial Networks
Arxiv
10+阅读 · 2018年1月15日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
学成
稳健性
强化学习
MAML
生成式对抗网络
相关VIP内容
元学习(meta learning) 最新进展综述论文
元学习(meta learning) 最新进展综述论文
专知会员服务
278+阅读 · 2020年5月8日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
127+阅读 · 2020年4月19日
【CVPR2020-国科大】状态标签对抗主动学习，Adversarial Active Learning
【CVPR2020-国科大】状态标签对抗主动学习，Adversarial Active Learning
专知会员服务
47+阅读 · 2020年4月13日
【CVPR2020】对抗特征幻觉网络的小样本学习，Adversarial Feature Hallucination Networks for Few-Shot Learning
【CVPR2020】对抗特征幻觉网络的小样本学习，Adversarial Feature Hallucination Networks for Few-Shot Learning
专知会员服务
49+阅读 · 2020年3月31日
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
【伯克利】元学习的元基线，A New Meta-Baseline for Few-Shot Learning
专知会员服务
66+阅读 · 2020年3月28日
最新必读的8篇「小样本学习（few-shot learning）」2020顶会论文和代码
最新必读的8篇「小样本学习（few-shot learning）」2020顶会论文和代码
专知会员服务
238+阅读 · 2020年3月2日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
专知会员服务
158+阅读 · 2020年2月29日
【论文】量子对抗机器学习，Quantum Adversarial Machine Learning
【论文】量子对抗机器学习，Quantum Adversarial Machine Learning
专知会员服务
37+阅读 · 2020年1月5日
近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文
近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文
专知会员服务
58+阅读 · 2019年12月24日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
小样本学习（Few-shot Learning）综述
小样本学习（Few-shot Learning）综述
PaperWeekly
120+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
论文共读 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
论文共读 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
PaperWeekly
6+阅读 · 2017年10月21日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Adaptive Feature Alignment for Adversarial Training
Arxiv
0+阅读 · 2021年6月16日
Smoothness Analysis of Adversarial Training
Arxiv
0+阅读 · 2021年6月15日
Model-based Adversarial Meta-Reinforcement Learning
Arxiv
5+阅读 · 2020年6月16日
A Meta-Learning Framework for Generalized Zero-Shot Learning
A Meta-Learning Framework for Generalized Zero-Shot Learning
Arxiv
3+阅读 · 2019年9月10日
Meta-Transfer Learning for Few-Shot Learning
Meta-Transfer Learning for Few-Shot Learning
Arxiv
4+阅读 · 2019年4月9日
Adversarial Transfer Learning
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Multi-task Deep Reinforcement Learning with PopArt
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Adversarial Meta-Learning
Arxiv
7+阅读 · 2018年6月8日
Event Extraction with Generative Adversarial Imitation Learning
Arxiv
13+阅读 · 2018年4月21日
Generating Adversarial Examples with Adversarial Networks
Arxiv
10+阅读 · 2018年1月15日
Top
微信扫码咨询专知VIP会员
Top