Our team is proposing to run a full-scale energy demand response experiment in an office building. Although this is an exciting endeavor which will provide value to the community, collecting training data for the reinforcement learning agent is costly and will be limited. In this work, we apply a meta-learning architecture to warm start the experiment with simulated tasks, to increase sample efficiency. We present results that demonstrate a similar a step up in complexity still corresponds with better learning.
翻译：我们的团队建议在一个办公大楼里进行一个全面的能源需求反应实验。 尽管这是一项令人振奋的努力,将为社区提供价值,但为强化学习机构收集培训数据成本高昂且有限。 在这项工作中,我们应用一个元学习架构来温暖模拟任务实验的开始,提高样本效率。 我们展示的结果显示,类似的复杂程度的提升仍然与更好的学习相适应。
相关内容
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。
强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。
该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
专知会员服务
33+阅读 · 2019年3月21日
Arxiv
0+阅读 · 2021年6月17日
相关VIP内容
专知会员服务
33+阅读 · 2019年3月21日
相关资讯
相关论文
Arxiv
0+阅读 · 2021年6月17日
微信扫码咨询专知VIP会员