Comparison of Reinforcement Learning Activation Functions to Improve the Performance of the Racing Game Learning Agent

Dongcheul Lee

추천

검색

자료유형: 학술저널

저자정보: Dongcheul Lee (Hannam University)

저널정보: 한국정보처리학회 JIPS(Journal of Information Processing Systems) JIPS(Journal of Information Processing Systems) 제16권 제5호

발행연도: 2020.1

수록면: 1,074 - 1,082 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Recently, research has been actively conducted to create artificial intelligence agents that learn games throughreinforcement learning. There are several factors that determine performance when the agent learns a game, butusing any of the activation functions is also an important factor. This paper compares and evaluates whichactivation function gets the best results if the agent learns the game through reinforcement learning in the 2Dracing game environment. We built the agent using a reinforcement learning algorithm and a neural network. We evaluated the activation functions in the network by switching them together. We measured the reward, theoutput of the advantage function, and the output of the loss function while training and testing. As a result ofperformance evaluation, we found out the best activation function for the agent to learn the game. Thedifference between the best and the worst was 35.4%.

#Activation Function #Racing Game #Reinforcement Learning

참고문헌 (12)

참고문헌 신청

A. Jeerige / 2019 / Comparison of deep reinforcement learning approaches for intelligent game playing / Proceedings of 2019 IEEE 9th Annual Computing and Communication Workshop and Conference(CCWC) :366~371

M. N. Moghadasi / 2007 / Evaluating Markov decision process as a model for decision making under uncertainty environment / Proceedings of 2007 International Conference on Machine Learning and Cybernetics :2446~2450

이동철 / 2019 / 2D 슈팅 게임 학습 에이전트의 성능 향상을 위한 딥러닝 활성화 함수 비교 분석 / 한국인터넷방송통신학회 논문지 19(2):135~141

R. Yamashita / 2018 / Convolutional neural networks : an overview and application in radiology / Insights into Imaging 9(4):611~629

D. W. Lu / Agent inspired trading using recurrent reinforcement learning and LSTM neural networks

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Dongcheul Lee

소속기관 한남대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 2 이용수 37

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)