Acknowledgement
이 논문은 2020년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(No. NRF-2020R1I1A3065610).
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2022.05a
- /
- Pages.528-530
- /
- 2022
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Study on Learning Performance Improvement by Using Hidden States in Deep Reinforcement Learning
심층강화학습에 은닉 상태 정보 활용을 통한 학습 성능 개선에 대한 고찰
- Choi, Yohan (Future Convergence Engineering, Dept. of Computer Science Engineering, KOREATECH) ;
- Seok, Yeong-Jun (Dept. of Computer Science Engineering, KOREATECH) ;
- Kim, Ju-Bong (Future Convergence Engineering, Dept. of Computer Science Engineering, KOREATECH) ;
- Han, Youn-Hee (Future Convergence Engineering, Dept. of Computer Science Engineering, KOREATECH)
- 최요한 (한국기술교육대학교 컴퓨터공학과 미래융합공학전공) ;
- 석영준 (한국기술교육대학교 컴퓨터공학과 컴퓨터공학전공) ;
- 김주봉 (한국기술교육대학교 컴퓨터공학과 미래융합공학전공) ;
- 한연희 (한국기술교육대학교 컴퓨터공학과 미래융합공학전공)
- Published : 2022.05.17
Abstract
심층강화학습에 완전 연결 신경망과 합성곱 신경망은 잘 활용되는 것에 반해 순환 신경망은 잘 활용되지 않는다. 이는 강화학습이 마르코프 속성을 전제로 하기 때문이다. 지금까지의 강화학습은 환경이 마르코프 속성을 만족하도록 사전 작업이 필요했다, 본 논문에서는 마르코프 속성을 따르지 않는 환경에서 이러한 사전 작업 없이도 순환 신경망의 은닉 상태를 통해 마르코프 속성을 학습함으로써 학습 성능을 개선할 수 있다는 것을 소개한다.
Keywords