Kaixhin/Atari

Recurrent Dqn

Open

#8 aperta il 21 apr 2016

Vedi su GitHub
 (31 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

One central element of the Atari DQN is the use of 4 consecutive frames as input making the state more Markov, ie. having the vital dynamic movement information. This paper http://arxiv.org/abs/1507.06527v3 discusses DRQN: the multiframe input can be substituted with LSTM with the same effect (but no systematic advantage for one or the other). Also the Deepmind async paper mentions using LSTM instead of multi frame inputs for more challenging visual domains (Torcs and Labyrinth).

I think this would fit well in this codebase, I'll try to contribute this at one point.

Guida contributor

Direzione di ricerca
Implementa un livello di rete neurale ricorrente (LSTM) nell'architettura DQN per elaborare input a fotogramma singolo, eliminando la necessità di impilare fotogrammi. Studia il documento di riferimento (http://arxiv.org/abs/1507.06527v3) per i dettagli architetturali e le metodologie di addestramento.
Tech stack
lua
Dominio
machine learningai
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-2 giorni
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
LuaReinforcement Learning
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
30