《价值迭代网络》获得NIPS 2016最佳论文奖，它提出使用神经网络替代人为设计的损失函数，特别是在增强学习中。文章核心是将价值迭代（VI）模块融入CNN，让网络学习价值函数，而非依赖于预先构建的函数。价值迭代网络（VIN）在解决如迷宫问题时，表现优于传统的深度增强学习，因为它能学习和表示未知的价值函数，而不仅仅是策略函数。
《Value Iteration Networks》
《价值迭代网络（Value Iteration Networks）》获得了第 30 届神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems) NIPS 2016唯一的最佳论文奖项（Best Paper Award）
文章最大的贡献跟随现阶段深度学习的一种趋势：用神经网络去替代人为塑造的损失函数。 更好地计划, 预测未知的域。
正如”对抗样本与生成式对抗网络“一文所说的:
传统神经网络需要一个人类科学家精心打造的损失函数。
但是，对于生成模型这样复杂的过程来说，构建一个好的损失函数绝非易事。这就是对抗网络的闪光之处。对抗网络可以学习自己的损失函数——自己那套复杂的对错规则——无须精心设计和建构一个损失函数.
而这篇文章最核心的损失函数, 正是增强学习中用于策略评估的回报函数/价值函数。
最有意思的贡献， 就是不再用传统的 指数家族函数 或者 log损失函数 去模拟价值函数，而是在框架中加入一个 VI (Value iteration)模块 , 让CNN神经网络去学习价值函数：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
