Asynchronous Deep Reinforcement Learning

カートのアイテムが多すぎます

ご購入は五十タイトルがカートに入っている場合のみです。

カートに追加できませんでした。

しばらく経ってから再度お試しください。

ウィッシュリストに追加できませんでした。

しばらく経ってから再度お試しください。

ほしい物リストの削除に失敗しました。

しばらく経ってから再度お試しください。

ポッドキャストのフォローに失敗しました

ポッドキャストのフォロー解除に失敗しました

Asynchronous Deep Reinforcement Learning

無料で聴く

ポッドキャストの詳細を見る

今ならプレミアムプランが3カ月月額99円

2026年5月12日まで。4か月目以降は月額1,500円で自動更新します。

概要

Mnih et al.'s paper introduces asynchronous methods for deep reinforcement learning, enhancing the training of deep neural network controllers. The core idea involves parallel actor-learners, each exploring different environment instances, which stabilises training. Their asynchronous advantage actor-critic (A3C) method achieves state-of-the-art results on Atari games, surpassing existing GPU-based algorithms with less computational demand, and demonstrating success in continuous control tasks and 3D maze navigation. The supplementary material provides greater detail on the optimization techniques used, the experimental setups, and shows performance on both discrete and continuous control tasks. The experiments highlight the scalability, data efficiency, and robustness of the proposed asynchronous algorithms compared to existing approaches.

Hosted on Acast. See acast.com/privacy for more information.

まだレビューはありません