NOTE:Deep Reinforcement Learning with a Natural Language Action Space

最新推荐文章于 2024-03-30 19:27:12 发布
最新推荐文章于 2024-03-30 19:27:12 发布
阅读量1.7k 收藏
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/songzitea/article/details/53390997
版权
机器学习与视觉 专栏收录该内容
162 篇文章 114 订阅 ¥9.90 ¥99.00
订阅专栏
本文探讨了深度强化学习（DRL）在自然语言处理中的应用，特别是在文字游戏任务中的实验。研究中，作者提出了一种改进的DQN网络结构，通过分开学习状态和动作的向量表示，解决了大词表问题，提高了模型效果。实验结果显示，这种方法在与Max-action DQN和Per-action DQN的比较中表现优越。
摘要由CSDN通过智能技术生成

论文链接：Deep Reinforcement Learning with a Natural Language Action Space

标题：Deep Reinforcement Learning with a Natural Language Action Space

来源：ACL 2016

问题

实验任务:文字游戏，实验目标—-提出一种效果更好的DQN网络结构
（1）本文属于探索深度增强学习在nlp领域的应用，实验任务采用了nlp中较方便建立马尔可夫过程的文字游戏任务。文字游戏任务本质还是游戏，只是将当前游戏的环境和现状用文字描述出来，然后玩家根据阅读后的理解输入相应文字来作为操作方案。例如游戏显示“当前有两条岔路，请问选择左还是右？”，那么玩家则相应输入“左”或者“右”来作为操作。
（2）作者认为传统的DQN网络在解决上述问题时实验结果尚存不足，因而提出一种分开学习state和action向量表示的网络结构，并进行相应实验

主要方法

本文采用的方法本质是深度增强学习，下面简单介绍一下

深度增强学习即增强学习在深度学习上基础的实现，本质是用深度神经

了解本专栏 订阅专栏 解锁全文
松子茶
关注
专栏目录
订阅专栏
A Guide Resource for Deep Reinforcement Learning
学-> 思->用
12-24 735
A Guide Resource for Deep Reinforcement Learning 1. About this work: This deep intensive learning database was initiated by the 【 Deep Reinforcement Learning Laboratory(DeepRL-Lab) 】and was jointly c...
Reinforcement Learning with Competitive Ensembles of Information-Constrained Primitives
weixin_41697507的博客
06-27 1654
利用信息约束基元的竞争集合强化学习 Anirudh Goyal1, Shagun Sodhani1, Jonathan Binas1, Xue Bin Peng2 Sergey Levine2, Yoshua Bengio1y 1Mila, Université de Montréal 2University of California, Berkeley yCIFAR Senior Fello...
deep reinforcement learning for nlp
09-28
使用强化学习的技术处理自然语言处理的相关问题。deep reinforcement learning for nlp on ACL 2018
Deep Reinforcement Learning with a Natural Language Action Space
weixin_33950035的博客
08-01 202
本文继续分享一篇深度增强学习在NLP中应用的paper，题目是Deep Reinforcement Learning with a Natural Language Action Space，作者是来自微软的Ji He博士，文章最早于2015年11月发在arxiv上，2016年6月8号update。 通过前两篇文章的介绍，基本对DQN在NLP中应用有了一...
[note] deep learning tensorflow lecture 1 notes 深度学习笔记 (1)
matrixdodo
08-03 2502
1. logistic classifier model: W*X + b = Y where W is the Weights Vector, X is input vector, b is bias and Y is output. Y, the output vector is a numeric vector. As show in picture
dnf强化卷代码_附：强化学习——DRQN分析详解
weixin_42128558的博客
12-04 1172
一、问题引入与DQN的不足传统的DQN有两点局限性： 1. 经验数据存储的内存有限。 2. 需要完整的观测信息。为了解决上述两个问题，设计了DRQN算法，将DQN中的全连接层替换为LSTM网络。当时用部分观测数据训练模型，使用完全观测数据评估模型时，模型的效果与观测数据的完整性有关。如果反过来，当使用完全观测数据进行训练，使用部分观测数据进行评估时，DRQN的效果下降小于DQN。循环网络在观测质量...
Learning Deep Learning（学习深度学习）
renluborenlubo的专栏
03-04 627
深度学习
LEARNING TO SCHEDULE COMMUNICATION IN MULTI-AGENT REINFORCEMENT LEARNING
weixin_41697507的博客
06-24 4064
ABSTRACT Many real-world reinforcement learning tasks require multiple agents to make se- quential decisions under the agents’ interaction, where well-coordinated actions among the agents are crucial ...
Relational inductive biases, deep learning, and graph networks（关系归纳偏差、深度学习和图形网络）
weixin_41697507的博客
07-15 4976
Relational inductive biases, deep learning, and graph networks Peter W. Battaglia1, Jessica B. Hamrick1, Victor Bapst1, Alvaro Sanchez-Gonzalez1, Vinicius Zambaldi1, Mateusz Malinowski1, Andrea Tacche...
MARL：【多智能体强化学习的参与者-注意力-批评家】
wq6qeg88的博客
03-30 959
Actor-Attention-Critic for Multi-Agent Reinforcement Learning 多智能体强化学习的参与者-注意力-批评家 Abstract摘要 Reinforcement learning in multi-agent scenarios is important for real-world applications but presents challenges beyond those seen in single-agent set
Deep Reinforcement Learning Papers 强化学习论文集
suluoyuqing的博客
03-20 4522
Deep Reinforcement Learning Papers A list of recent papers regarding deep reinforcement learning.  The papers are organized based on manually-defined bookmarks.  They are sorted by time to see th
独家 | Deepnote测评：数据科学家的新IDE
数据派THU
10-27 1670
作者：Thiago Candido翻译：陈之炎校对：和中华本文约2500字，建议阅读8分钟本文为你介绍免费的在线数据科学集成开发环境。在利用Deepnote开发了一个Python课程后，...
<纯干货-5>Deep Reinforcement Learning深度强化学习_论文大集合
热门推荐
lqfarmer的博客
06-05 1万+
本文罗列了最近放出来的关于深度强化学习（Deep Reinforcement Learning，DRL）的一些论文。文章采用人工定义的方式来进行组织，按照时间的先后进行排序，越新的论文，排在越前面。希望对大家有用，同时欢迎大家提交自己阅读过的论文。 目录 •    值函数相关的文章 •    策略相关的文章 •    离散控制相关的文章 •    连续控制相关的文章 •    文本处理
深度强化学习—— 译 Deep Reinforcement Learning(part 0: 目录、简介、背景)
zxxRobot的博客
08-25 4522
深度强化学习译 Deep Reinforcement Learning综述1 简介合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入...
DRRN超分辨率
无奈的小心酸的博客
07-06 1万+
论文全名：Image Super-Resolution via Deep Recursive Residual Network 下载地址：http://pan.baidu.com/s/1hsQk8j6 code：https://github.com/CLT29/OpenSALICON 这是一篇CVPR2017的关于图像超分辨率的文章，相较于VDSR取得了更好的结果，从结构上看，还是之
零基础入门深度学习(4) - 卷积神经网络---https://www.zybuluo.com/hanbingtao/note/485480
xiaoxik的博客
03-29 4517
从图1我们可以发现卷积神经网络的层结构和全连接神经网络的层结构有很大不同。全连接神经网络每层的神经元是按照一维排列的，也就是排成一条线的样子；而卷积神经网络每层的神经元是按照三维排列的，也就是排成一个长方体的样子，有宽度、高度和深度。 对于图1展示的神经网络，我们看到输入层的宽度和高度对应于输入图像的宽度和高度，而它的深度为1。接着，第一个卷积层对这幅图像进行了卷积操作(后面我们会讲如何计算
「Deep Learning」Note on VoxelMorph
小锋子Shawn
06-09 3087
Sina Weibo：小锋子Shawn Tencent E-mail：403568338@qq.com http://blog.csdn.net/dgyuanshaofeng/article/details/80587362 [1] An Unsupervised Learning Model for Deformable Medical Image Registration CVPR ...
利用Deepo做深度学习环境
leofionn的博客
08-12 6635
https://hub.docker.com/r/ufoym/deepo/ Deepo是一系列Docker镜像 可让您快速设置深度学习研究环境 支持几乎所有常用的深度学习框架 支持GPU加速（包括CUDA和cuDNN），也适用于仅CPU模式 适用于Linux（CPU版本/GPU版本），Windows（CPU版本）和OS X（CPU版本） 和他们的Dockerfile生成...
嵌入式学习之电场与漏电检测器.zip
最新发布
09-24
嵌入式学习资料电子信息与技术
深度强化学习精要：Grokking Deep Reinforcement Learning
"Manning.Grokking.Deep.Reinforcement.Learning.2020.10.pdf - 一本关于深度强化学习的专业书籍，由Miguel Morales撰写，Charles Isbell, Jr.作序，由Manning出版社出版。内容涵盖深度强化学习的理论与实践，旨在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值