인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 949 - 957 (9page)
- DOI
- 10.7467/KSAE.2023.31.12.949
이용수
초록· 키워드
In this paper, we are proposing a convolutional contrastive learning method that can improve the generalization performance of image-based reinforcement learning. To do this, methods on augmenting input images were mainly used. However, strong augmentation hinders the stability of reinforcement learning. Thus, by gradually increasing the random image mixing ratio during training, a reinforcement learning agent is not affected by strong data augmentation. At the same time, the effect on generalization performance is maximized. Experiments on DM Control test environments have shown that the proposed method outperforms the existing studies on the generalization of image-based reinforcement learning.
#Deep learning(딥러닝)
#Reinforcement learning(강화학습)
#Data augmentation(데이터 증강)
#Generalization(일반화)
#Contrastive learning(대조학습)
#Self-supervised learning(자기지도학습)
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 1. 서론
- 2. 관련 연구
- 3. Proposed Convolutional Contrastive Learning for Reinforcement Learning
- 4. Experimental Results
- 5. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
