Kaixhin/Atari

Implement Pop-Art

Open

#6 aperta il 13 apr 2016

Vedi su GitHub
 (0 commenti) (0 reazioni) (0 assegnatari)Lua (72 fork)github user discovery
enhancementhelp wanted

Metriche repository

Star
 (263 star)
Metriche merge PR
 (Nessuna PR mergiata in 30 g)

Descrizione

Learning functions across many orders of magnitudes introduces Preserving Outputs Precisely, while Adaptively Rescaling Targets (Pop-Art). In summary it normalises outputs across orders of magnitudes and gets rid of the clipping (i.e. counting) rewards heuristic for Atari games. The normalisation is also better for non-stationary problems, i.e., any decent real world problem.

The below is a picture of extra notes from the authors, next to their poster at NIPS 2016: img_20161207_190428

Guida contributor

Direzione di ricerca
Leggi il documento Pop Art e comprendi come adattare l'implementazione DQN esistente per incorporare il ridimensionamento adattivo dell'output.
Tech stack
lua
Dominio
machine learning
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
4
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Oltre 1 settimana
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Datata
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Richiede indagine
Prerequisiti
LuaReinforcement learning
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
20