저희 연구 “Investigating Transfer Learning in Noisy Environments: A Study of Predecessor and Successor Features in Spatial Learning Using a T-Maze “가 Sensors 저널에 게재되었습니다!
이 연구에서는 강화 학습 환경에서의 소음 문제를 다루고 있습니다. 특히, 노이즈 조건에서 전이 학습 알고리즘인 PF과 SF이 길찾기 및 보상 획득에서 어떻게 성능을 발휘하는지를 중점적으로 연구했습니다.
연구의 주요 내용:
- T자형 그리드 월드를 사용하여 노이즈한 학습 환경에서 하이퍼파라미터가 행동과 의사결정에 미치는 영향을 평가했고, 학습 효율성에 중요한 역할을 한다는 것을 밝혔습니다.
- PF와 SF을 기반으로 한 프레임워크를 도입하여 강화 학습 모델에서 노이즈 민감성과 적응성을 비교하고 정량화했습니다.
- 노이즈가 많고 변동이 있는 조건에서 적합한 하이퍼파라미터 구성을 찾아내어 시스템 적응성을 향상시키기 위한 통찰을 제공했습니다.
더 자세한 내용을 보시려면 여기에서 전체 논문을 확인하세요! 또한 연구에 쓰인 코드는 여기에서 확인하실 수 있습니다.