論文の概要: ExPoSe: Combining State-Based Exploration with Gradient-Based Online Search

• arxiv url: http://arxiv.org/abs/2202.01461v1
• Date: Thu, 3 Feb 2022 08:39:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-04 21:41:48.195473
• Title: ExPoSe: Combining State-Based Exploration with Gradient-Based Online Search
• Title（参考訳）: ExPoSe: ステートベースの探索とグラディエントベースのオンライン検索を組み合わせる
• Authors: Dixant Mittal and Siddharth Arvindan and Wee Sun Lee
• Abstract要約: 木に基づくオンライン検索アルゴリズムは、軌道を反復的にシミュレートし、木構造で表される一連の状態のQ値情報を更新する。 あるいは、ポリシー勾配に基づくオンライン検索アルゴリズムは、シミュレーションされた軌跡から得られた情報をポリシーのパラメータに直接更新する。 この2つの手法の長所を組み合わせ,有効活用して検索性能を向上できることを示す。
• 参考スコア（独自算出の注目度）: 14.90561531943247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A tree-based online search algorithm iteratively simulates trajectories and updates Q-value information on a set of states represented by a tree structure. Alternatively, policy gradient based online search algorithms update the information obtained from simulated trajectories directly onto the parameters of the policy and has been found to be effective. While tree-based methods limit the updates from simulations to the states that exist in the tree and do not interpolate the information to nearby states, policy gradient search methods do not do explicit exploration. In this paper, we show that it is possible to combine and leverage the strengths of these two methods for improved search performance. We examine the key reasons behind the improvement and propose a simple yet effective online search method, named Exploratory Policy Gradient Search (ExPoSe), that updates both the parameters of the policy as well as search information on the states in the trajectory. We conduct experiments on complex planning problems, which include Sokoban and Hamiltonian cycle search in sparse graphs and show that combining exploration with policy gradient improves online search performance.
• Abstract（参考訳）: ツリーベースのオンライン検索アルゴリズムは、軌道を反復的にシミュレートし、木構造で表される一連の状態のq値情報を更新する。 あるいは、ポリシー勾配に基づくオンライン検索アルゴリズムは、シミュレーションされた軌跡から得られた情報をポリシーのパラメータに直接更新し、有効であることが判明した。 木に基づく手法は、シミュレーションから木に存在する状態への更新を制限し、情報を近くの状態に補間しないが、ポリシー勾配探索法は明示的な探索を行わない。 本稿では,これら2つの手法の強みを組み合わせることで検索性能を向上させることができることを示す。 本改善の背景にある主要な理由を考察し,提案手法を探索的ポリシーグラディエント探索 (Exploratory Policy Gradient Search, ExPoSe) と名づけた簡易かつ効果的なオンライン検索手法を提案する。 疎グラフにおけるソコバンやハミルトニアンサイクル探索を含む複雑な計画問題に関する実験を行い,探索と政策勾配を組み合わせることでオンライン検索性能が向上することを示す。

関連論文リスト

• No learning rates needed: Introducing SALSA -- Stable Armijo Line Search Adaptation [4.45108516823267]
  我々は,現在最先端のライン探索手法の問題点を特定し,改良を提案し,その妥当性を厳格に評価する。 我々はこれらの手法を従来よりも桁違いに複雑なデータ領域で評価する。 私たちの作業はPythonパッケージで公開されており、シンプルなPytorchを提供しています。
  論文  参考訳（メタデータ） (2024-07-30T08:47:02Z)
• LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
  本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
  論文  参考訳（メタデータ） (2024-06-29T05:14:04Z)
• A Visual Active Search Framework for Geospatial Exploration [36.31732056074638]
  多くの問題は、航空画像によって支援された地理空間探索の形式と見なすことができる。 我々は3つの重要な入力を持つ視覚的能動探索(VAS)フレームワークでこの問題をモデル化する。 完全注釈付き検索タスクの集合からメタ検索ポリシーを学習するVASのための強化学習手法を提案する。
  論文  参考訳（メタデータ） (2022-11-28T21:53:05Z)
• SoftTreeMax: Policy Gradient with Tree Search [72.9513807133171]
  我々は、ツリー検索をポリシー勾配に統合する最初のアプローチであるSoftTreeMaxを紹介します。 Atariでは、SoftTreeMaxが分散PPOと比較して、実行時のパフォーマンスを最大5倍向上させる。
  論文  参考訳（メタデータ） (2022-09-28T09:55:47Z)
• RetroGraph: Retrosynthetic Planning with Graph Search [101.92603715499112]
  再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応経路を見つけることを目的としている。 本稿では,任意の中間分子の冗長な探索を排除したグラフベースの探索ポリシーを提案する。 提案手法は,グラフ内のターゲットの集合を探索し,木構造に基づく探索手法におけるターゲット間重複を除去する。
  論文  参考訳（メタデータ） (2022-06-23T05:01:29Z)
• Dimensionality Reduction and Prioritized Exploration for Policy Search [29.310742141970394]
  Black-boxポリシー最適化は、パラメータレベルでポリシーを探索し更新する強化学習アルゴリズムのクラスである。 本稿では,有効パラメータの探索を優先し,完全共分散行列更新に対処する新しい手法を提案する。 我々のアルゴリズムは最近の手法よりも速く学習し、最先端の結果を得るためにはサンプルを少なくする。
  論文  参考訳（メタデータ） (2022-03-09T15:17:09Z)
• DAAS: Differentiable Architecture and Augmentation Policy Search [107.53318939844422]
  この研究は、ニューラルネットワークとデータ拡張のカップリングの可能性を検討し、それらを共同で検索する効果的なアルゴリズムを提案する。 CIFAR-10では97.91%、ImageNetデータセットでは76.6%の精度で97.91%の精度を達成し、検索アルゴリズムの優れた性能を示している。
  論文  参考訳（メタデータ） (2021-09-30T17:15:17Z)
• Selection-Expansion: A Unifying Framework for Motion-Planning and Diversity Search Algorithms [69.87173070473717]
  本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。 mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
  論文  参考訳（メタデータ） (2021-04-10T13:52:27Z)
• Parameterizing Branch-and-Bound Search Trees to Learn Branching Policies [76.83991682238666]
  Branch and Bound (B&B) は、Mixed-Integer Linear Programming Problem (MILP) の解法として一般的に用いられる木探索法である。 本稿では,新しい模倣学習フレームワークを提案し,分岐を表現するための新しい入力機能とアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-12T17:43:23Z)
• Population-Guided Parallel Policy Search for Reinforcement Learning [17.360163137926]
  都市外強化学習(RL)の性能向上を図るために,新たな人口誘導型並列学習手法を提案する。 提案手法では,複数の同一学習者が独自の値関数とポリシーを共用し,共通体験再生バッファを共有し,最良のポリシー情報のガイダンスと協調して適切なポリシーを探索する。
  論文  参考訳（メタデータ） (2020-01-09T10:13:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。