P
Size: a a a
2019 September 24
P
Действительно, impressive
2019 September 25
P
Коллеги, а знает кто какие интересные способы регуляризации Q сеток?
Distributional Loss
Dueling Architecture
Double Architecture
TD3 like regularization (min over 2 Q funcs)
L2 reg
Batch Norm, Cross Norm
Data Augmentation
Stochastic Policy (SAC-like, expectation over action in the next state)
Biased actions in TD3 target for Q
Drouput
Сглаживание на уровне лосса ( https://arxiv.org/pdf/1803.02348.pdf )
Регуляризация по времени ( https://papers.nips.cc/paper/7449-temporal-regularization-for-markov-decision-process.pdf )
Lipschitz penalty (https://arxiv.org/pdf/1804.07193.pdf)
Что забыл?
Distributional Loss
Dueling Architecture
Double Architecture
TD3 like regularization (min over 2 Q funcs)
L2 reg
Batch Norm, Cross Norm
Data Augmentation
Stochastic Policy (SAC-like, expectation over action in the next state)
Biased actions in TD3 target for Q
Drouput
Сглаживание на уровне лосса ( https://arxiv.org/pdf/1803.02348.pdf )
Регуляризация по времени ( https://papers.nips.cc/paper/7449-temporal-regularization-for-markov-decision-process.pdf )
Lipschitz penalty (https://arxiv.org/pdf/1804.07193.pdf)
Что забыл?
DN
Баги (github.com)
AG
Preconditioner (https://arxiv.org/abs/1903.08894)
Bootstrapped DQN (http://papers.nips.cc/paper/6500-deep-exploration-via-bootstrapped-dqn)
Bootstrapped DQN (http://papers.nips.cc/paper/6500-deep-exploration-via-bootstrapped-dqn)
P
Preconditioner (https://arxiv.org/abs/1903.08894)
Bootstrapped DQN (http://papers.nips.cc/paper/6500-deep-exploration-via-bootstrapped-dqn)
Bootstrapped DQN (http://papers.nips.cc/paper/6500-deep-exploration-via-bootstrapped-dqn)
Thanks for the preconditioner!
2019 September 27
P
Не перейти ли в чате на английский?
Анонимный опрос
Проголосовало: 119AC
О, вы из Англии
A
Я не думаю, что аудитория телеграма имеет большую долю европейцев и из северной америки ребят. Мне кажется, что группа на английском привлечет лишь иранцев.
P
Мне постоянно пишут
And isn't it better to use English instead of Russian in group to be Internationale?
And isn't it better to use English instead of Russian in group to be Internationale?
EZ
Я не думаю, что аудитория телеграма имеет большую долю европейцев и из северной америки ребят. Мне кажется, что группа на английском привлечет лишь иранцев.
+
A
Можно сделать отдельную группу RL reading group eng и проверить, будет ли она пользоваться популярностью.
EZ
Можно сделать отдельную группу RL reading group eng и проверить, будет ли она пользоваться популярностью.
(не будет)
A
Ну чтобы гельштад закрыть можно сделать. Известная мне англоязычная группа в Discord не имеет большой активности.
Я бы связал это с тем, что среди участников есть большой разброс по скиллам и из-за этого общения постоянного нет. Плюс не так много RL в индустрии и соответственно вакансий, чтобы у многих участников была мотивация прокачиваться.
Я бы связал это с тем, что среди участников есть большой разброс по скиллам и из-за этого общения постоянного нет. Плюс не так много RL в индустрии и соответственно вакансий, чтобы у многих участников была мотивация прокачиваться.
MD
Вообще, это чатик для организации семинара в шаде или для обсуждения статей про rl? Если второе, то можно и по английски, но есть ли уверенность что в таком качестве он будет жить?
c
Вообще, это чатик для организации семинара в шаде или для обсуждения статей про rl? Если второе, то можно и по английски, но есть ли уверенность что в таком качестве он будет жить?
Этот чатик как для первого, так и для второго, как я это вижу.
Есть чат RL papers, где только ссылки на статьи, и он англоязычен.
Есть чат RL papers, где только ссылки на статьи, и он англоязычен.
NA
А можно ссылочку пожалуйста ?
NA
Спасибо
2019 September 28
AG
Коллеги, а знает кто какие интересные способы регуляризации Q сеток?
Distributional Loss
Dueling Architecture
Double Architecture
TD3 like regularization (min over 2 Q funcs)
L2 reg
Batch Norm, Cross Norm
Data Augmentation
Stochastic Policy (SAC-like, expectation over action in the next state)
Biased actions in TD3 target for Q
Drouput
Сглаживание на уровне лосса ( https://arxiv.org/pdf/1803.02348.pdf )
Регуляризация по времени ( https://papers.nips.cc/paper/7449-temporal-regularization-for-markov-decision-process.pdf )
Lipschitz penalty (https://arxiv.org/pdf/1804.07193.pdf)
Что забыл?
Distributional Loss
Dueling Architecture
Double Architecture
TD3 like regularization (min over 2 Q funcs)
L2 reg
Batch Norm, Cross Norm
Data Augmentation
Stochastic Policy (SAC-like, expectation over action in the next state)
Biased actions in TD3 target for Q
Drouput
Сглаживание на уровне лосса ( https://arxiv.org/pdf/1803.02348.pdf )
Регуляризация по времени ( https://papers.nips.cc/paper/7449-temporal-regularization-for-markov-decision-process.pdf )
Lipschitz penalty (https://arxiv.org/pdf/1804.07193.pdf)
Что забыл?
https://openreview.net/pdf?id=B1lqDertwr
Набрёл вот ещё на статью. С целым параграфом в related work посвящённым регуляризации в RL.
Набрёл вот ещё на статью. С целым параграфом в related work посвящённым регуляризации в RL.