基于噪声对比估计的权重自适应对抗生成式模仿学习 | |
关伟凡1,2; 张希2 | |
刊名 | 模式识别与人工智能
![]() |
2023-04 | |
卷号 | 36期号:4页码:300-312 |
关键词 | 强化学习 模仿学习 噪声对比估计 自适应权重 |
ISSN号 | 1003-6059 |
文献子类 | 期刊论文 |
英文摘要 | 传统模仿学习需满足专家样本均为质量极高的最优专家样本,这一限制条件既提高数据的采集难度也限制算法的应用场景.由此,文中提出基于噪声对比估计的权重自适应对抗生成式模仿学习算法(Weight Adaptive Generative Adversarial Imitation Learning Based on Noise Contrastive Estimation, GLANCE),在专家样本质量不一致的任务场景下可保持较高性能.首先,使用噪声对比估计训练特征提取器,改善次优专家样本特征分布.然后,为专家样本设定可学习权重系数,并对基于权重系数重分布后的样本执行对抗生成式模仿学习.最后,基于已知相对排序的评估数据计算排序损失,通过梯度下降法优化权重系数,改善数据分布.在多个连续控制型任务上的实验表明,专家样本质量不一致时,GLANCE仅需要获取专家样本数据集上5%数据作为评估数据集,就可以达到较优的性能表现. |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/52280] ![]() |
专题 | 类脑芯片与系统研究 |
通讯作者 | 张希 |
作者单位 | 1.中国科学院大学 人工智能学院 2.中国科学院自动化研究所 模式识别国家重点实验室 |
推荐引用方式 GB/T 7714 | 关伟凡,张希. 基于噪声对比估计的权重自适应对抗生成式模仿学习[J]. 模式识别与人工智能,2023,36(4):300-312. |
APA | 关伟凡,&张希.(2023).基于噪声对比估计的权重自适应对抗生成式模仿学习.模式识别与人工智能,36(4),300-312. |
MLA | 关伟凡,et al."基于噪声对比估计的权重自适应对抗生成式模仿学习".模式识别与人工智能 36.4(2023):300-312. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论