TY -的A2 -卡里尔,艾哈迈德Mostafa盟——张Yichuan AU - Lan,宜兴盟方,羌族非盟-徐,鑫盟- Li Junxiang盟——曾Yujun PY - 2021 DA - 2021/09/24 TI -高效强化学习从演示通过贝叶斯网络知识提取SP - 7588221六世从示范- 2021 AB -强化学习(RLfD)被认为是一种很有前途的方法来提高强化学习(RL)利用专家示威额外的决策指导。然而,大多数现有RLfD方法只作为演示低级知识实例在一个特定的任务。示威通常用于提供额外的奖励或pretrain神经网络RL政策监督的方式,通常导致泛化能力差和弱鲁棒性性能。考虑到人类知识不仅是可翻译的也适合推广,我们建议开发潜在的示威游行通过提取知识从他们通过贝叶斯网络和开发一种新型RLfD称为强化学习的方法从演示通过贝叶斯网络知识(RLBNK)。拟议中的RLBNK方法利用节点影响距离度量和瓦瑟斯坦(此类)算法从示威活动获得抽象的概念,然后一个贝叶斯网络进行知识学习和推理的基础上抽象的数据集,这将产生粗糙的政策与相应的信心。一旦粗政策的信心很低,另一个RL-based细化模块将进一步优化和调整政策(附近)最优混合策略。实验结果表明,该RLBNK方法提高学习效率相应的基线RL算法在正常和稀疏的奖励设置。此外,我们表明,RLBNK方法比基线方法提供了更好的泛化能力和鲁棒性。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/7588221 - 10.1155 / 2021/7588221摩根富林明计算智力和神经科学PB - Hindawi KW - ER