> ML_LITERATURE // HESSEL-2018-RAINBOW-COMBINING-IMPROVEMENTS-IN-DEEP-RL_v1.0
Rainbow: Combining Improvements in Deep Reinforcement Learning
Matteo Hessel, Joseph Modayil, Hado van Hasselt, Tom Schaul, Georg Ostrovski, Will Dabney, Dan Horgan, Bilal Piot, Mohammad Azar, David Silver · AAAI Conference on Artificial Intelligence (2018)
seminal-architecture2018foundationalthirdPartyReproduced
Temel Katkı (Principal Contribution)
DQN'e yapılan altı bağımsız eklentiyi (Double Q, PER, Dueling, Multi-step, Distributional RL, Noisy Nets) tek bir birleşik modelde birleştirdi.
Operasyonel ve Mühendislik Uygunluğu
task-reinforcement-learning için yetkili teorik ve sistem temeli olarak hizmet eder.
Temel Varsayımlar (Assumptions)
- Hedef değerlendirme ortamlarında Markovian durum dinamikleri ve durağan ödül fonksiyonları geçerlidir
Kısıtlar ve Sınırlamalar (Limitations)
- Örneklem verimliliği, keşif kararlılığı ve simülasyondan gerçeğe transfer boşlukları özel ayarlama gerektirir