多任务学习主动采样方法.pdfVIP

  • 0
  • 0
  • 约2.21万字
  • 约 8页
  • 2026-11-17 发布于北京
  • 举报

研讨会

研讨会

‑

ICLR

2017

多任务学习中的主动采样

Sahil

Sharma

Balaraman

Ravindran

计

算机科学与工程系

理工学院马德拉斯分

校

钦奈,600036,

{sahil,ravi}@cse.iitm.ac.in

在目标导向行为的领域,构建一个单一智能体以解决多个任务是

长期存在的之一。近期目标导向序列任务的多任务学习进展主要体现

在基于蒸馏的学习中,即通过模仿专家网络的任务特定策略,单个学生网

络从多个任务特定的专家网络中学习。尽管此类方法为多任务学习问题提

供了有前景的解决方案,但它们需要大量任务特定(专家)网络的监督,

而这些网络需要大量训练。我们提出了一种简单且高效的多任务学习框架,

可以在或主动学习环境中解决多个目标导向任务,而无需专家监督。

1

引言

通过深度强化学习(DRL)算法(Mnih

等,2015;2016;Schaul

等,2015;Lillicrap

等,

2015)学习的模型往往具有任务特定性。AI

代理无法跨任务泛化这一问题催生了多任务学习

(MTL)领域,其目标是寻找一个单一代理(在

DRL

算法

文档评论(0)

1亿VIP精品文档

相关文档