DP-DQN

新的贝叶斯神经网络增强深度强化学习的探索能力

研究人员开发了一类新颖的贝叶斯神经网络（BNNs），它们将狄利克雷过程（DP）先验直接置于数据生成分布上，而不是置于网络参数上。该方法旨在解决标准BNNs在捕捉认知不确定性方面的计算挑战和有效性问题，尤其是在深度强化学习（RL）中。新方法催生了DP-DQN，一种使用DP-BNNs进行高效Thompson采样的RL算法，并维护价值函数的后验分布，从而能够使用单个神经网络增强探索能力。