[논문 매일 읽기 9일차] Human-level control through deep reinforcement learning

논문 : https://www.nature.com/articles/nature14236
제목 : Human-level control through deep reinforcement learning
발행일자 : 25 February 2015
저자:

Volodymyr  Mnih1*,  Koray Kavukcuoglu1*,  David  Silver1*,  Andrei A. Rusu1,  Joel  Veness1,  Marc  G.  Bellemare1,  Alex  Graves1, Martin Riedmiller1,  Andreas  K. Fidjeland1,  Georg  Ostrovski1,  Stig  Petersen1,  Charles  Beattie1,  Amir  Sadik1,  Ioannis Antonoglou1, Helen King1,  Dharshan  Kumaran1,  Daan  Wierstra1,  Shane  Legg1  &  Demis  Hassabis1

 

Human-level control through deep reinforcement learning논문리딩.ppt

1.95MB

출처 : https://www.nature.com/articles/nature14236

 

총평 : 

강화학습(Deep Reinforcement Learning) 분야의 기념비적 연구.

강화 학습을 위해 1. 고차원 감각 입력의 효율적 표현 추출, 2. 도파민 보상과 비슷한 TD 학습 3. 과거 경험을 새로운 상황에서 일반화하는 이 세 가지 특징들이 충족되어야 하는데, 이 논문에서는 DNN과 강화학습을 합친 Deep Q-Network (DQN)을 제안. Deep CNN 구조를 통해 고차원 입력을 바로 받을 수 있었고, Experience Replay, Target Network 특징을 통해 학습을 안정적으로 만들 수 있었음.