Experience Replay in Sparse Rewards Problems using Deep Reinforcement Techniques

Beretta, Davide (2019) Experience Replay in Sparse Rewards Problems using Deep Reinforcement Techniques. [Laurea magistrale], Università di Bologna, Corso di Studio in Informatica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Condividi allo stesso modo 3.0 (CC BY-NC-SA 3.0)

Download (1MB)

Abstract

In questo lavoro si introduce il lettore al Reinforcement Learning, un'area del Machine Learning su cui negli ultimi anni è stata fatta molta ricerca. In seguito vengono presentate alcune modifiche ad ACER, un algoritmo noto e molto interessante che fa uso di Experience Replay. Lo scopo è quello di cercare di aumentarne le performance su problemi generali ma in particolar modo sugli sparse reward problem. Per verificare la bontà delle idee proposte è utilizzato Montezuma's Revenge, un gioco sviluppato per Atari 2600 e considerato tra i più difficili da trattare.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Beretta, Davide
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum A: Linguaggi e fondamenti
Ordinamento Cds
DM270
Parole chiave
reinforcement learning,machine learning,artificial intelligence
Data di discussione della Tesi
14 Marzo 2019
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^