强化学习(RL)是一种流行的处理顺序决策任务的范式，其中agent只有有限的环境反馈。尽管在过去的三十年里取得了许多进步，但是在许多领域的学习仍然需要大量的与环境的交互，这在现实的场景中是非常昂贵的。为了解决这个问题，迁移学习被应用于强化学习，这样在一个任务中获得的经验可以在开始学习下一个更困难的任务时得到利用。最近，有几项研究探索了如何将任务(或数据样本本身)排序到课程中，以便学习一个可能很难从头学起的问题。在本文中，我们提出了一个课程学习的强化学习框架，并利用它来调查和分类现有的课程学习方法的假设、能力和目标。最后，我们使用我们的框架来发现开放的问题，并为未来的RL课程学习研究提出方向。
成为VIP会员查看完整内容
Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey
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。
相关VIP内容
相关资讯
相关论文
微信扫码咨询专知VIP会员