資源描述：
《深度強(qiáng)化學(xué)習(xí)在圖像輔助控制及圖像分類中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文深度強(qiáng)化學(xué)習(xí)在圖像輔助控制及圖像分類中的應(yīng)用研究作者姓名陽趙陽學(xué)科專業(yè)電路與系統(tǒng)指導(dǎo)教師周偉英副教授金連文教授所在學(xué)院電子與信息學(xué)院論文提交日期2018年4月ResearchonApplyingDeepReinforcementLearninginImageBasedControlandImageClassificationTasksADissertationSubmittedfortheDegreeofMasterCandidate：ZhaoyangYangSupervisor：A/Prof.WeiyingZhouProf.LianwenJinSou
2、thChinaUniversityofTechnologyGuangzhou,China分類號(hào)：TP391.4學(xué)校代號(hào)：10561學(xué)號(hào)：201520108287華南理工大學(xué)碩士學(xué)位論文深度強(qiáng)化學(xué)習(xí)在圖像輔助控制及圖像分類中的應(yīng)用研究作者姓名：陽趙陽指導(dǎo)教師姓名、職稱：周偉英副教授；金連文教授申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士學(xué)科專業(yè)名稱：電路與系統(tǒng)研究方向：機(jī)器學(xué)習(xí)與智能系統(tǒng)論文提交日期：2018年4月10日論文答辯日期：2018年5月30日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會(huì)成員：主席：鄭偉詩教授委員：梁添才教授級(jí)高工；孫季豐教授；金連文教授；張?chǎng)胃苯淌?/p>
3、摘要近幾年，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)中一些先進(jìn)方法的出現(xiàn)使得兩者的結(jié)合成為可能，其產(chǎn)物就是深度強(qiáng)化學(xué)習(xí)。深度強(qiáng)化學(xué)習(xí)既有繼承于深度學(xué)習(xí)的強(qiáng)泛化和自特征提取能力，又可以像強(qiáng)化學(xué)習(xí)方法一樣，使智能系統(tǒng)通過自我的試錯(cuò)在給定環(huán)境中學(xué)習(xí)解決特定任務(wù)的策略。深度強(qiáng)化學(xué)習(xí)的誕生在人工智能領(lǐng)域影響重大，相關(guān)工作隨之涌現(xiàn)，一些成功的深度強(qiáng)化學(xué)習(xí)算法甚至能夠在游戲和機(jī)器控制中超過人類的表現(xiàn)。然而，現(xiàn)有的深度強(qiáng)化學(xué)習(xí)算法仍然存在一些不足和空白。在應(yīng)用深度方面，現(xiàn)有算法無法在連續(xù)動(dòng)作空間中進(jìn)行多任務(wù)學(xué)習(xí)，并且大部分算法只能學(xué)習(xí)簡(jiǎn)單的任務(wù)。在應(yīng)用廣度方面，算法在計(jì)算機(jī)視覺領(lǐng)域中，特別是圖像分類問
4、題中的應(yīng)用還非常少。本文介紹的就是從這兩個(gè)方面出發(fā)，闡述對(duì)深度強(qiáng)化學(xué)習(xí)在圖像輔助控制和圖像分類問題中的應(yīng)用研究。本文共提出三個(gè)算法，即multi-DDPG算法、h-DDPG算法和自強(qiáng)化網(wǎng)絡(luò)算法，前兩個(gè)用于實(shí)現(xiàn)連續(xù)動(dòng)作空間中圖像輔助下的多任務(wù)學(xué)習(xí)和層次性學(xué)習(xí)，后一個(gè)則針對(duì)圖像分類問題。在multi-DDPG算法中有一個(gè)值網(wǎng)絡(luò)和多個(gè)策略網(wǎng)絡(luò)，其中每一個(gè)策略網(wǎng)絡(luò)負(fù)責(zé)學(xué)習(xí)一個(gè)任務(wù)，而值網(wǎng)絡(luò)則負(fù)責(zé)訓(xùn)練策略網(wǎng)絡(luò)。在h-DDPG算法中，這個(gè)結(jié)構(gòu)被擴(kuò)展為一個(gè)具有兩個(gè)值網(wǎng)絡(luò)和多個(gè)策略網(wǎng)絡(luò)的結(jié)構(gòu)，增加的一個(gè)值網(wǎng)絡(luò)可以通過組合策略網(wǎng)絡(luò)的方式來進(jìn)行復(fù)雜任務(wù)的學(xué)習(xí)。最后，自強(qiáng)化網(wǎng)絡(luò)算法嘗試
5、將深度強(qiáng)化學(xué)習(xí)應(yīng)用于圖像分類問題中，算法中有一個(gè)特征決策智能系統(tǒng)，它控制著各個(gè)輸入圖像的分類時(shí)刻，對(duì)于還不能分類的圖像，它會(huì)選擇一種圖像變換，并將變換后的圖像返回給圖像分類網(wǎng)絡(luò)進(jìn)行再次分類。實(shí)驗(yàn)結(jié)果顯示，本文中提出的三個(gè)算法都在各自的任務(wù)中有著不錯(cuò)的性能。其中，multi-DDPG算法能夠在多任務(wù)學(xué)習(xí)中學(xué)習(xí)到與單任務(wù)學(xué)習(xí)算法性能相當(dāng)?shù)娜蝿?wù)解決策略，其性能也不會(huì)因?yàn)槿蝿?wù)數(shù)量或條件的增加而受到影響。而h-DDPG算法則可以非常高效地同時(shí)學(xué)習(xí)簡(jiǎn)單的動(dòng)作技能以及復(fù)雜任務(wù)的解決策略，其解決復(fù)雜任務(wù)的能力甚至超過了一些針對(duì)離散動(dòng)作空間的算法。最后的自強(qiáng)化網(wǎng)絡(luò)算法則能夠通過特征
6、決策智能系統(tǒng)的決策將圖像分類網(wǎng)絡(luò)原本的錯(cuò)誤率降低18.82%。關(guān)鍵詞：深度學(xué)習(xí)；強(qiáng)化學(xué)習(xí)；深度強(qiáng)化學(xué)習(xí)IAbstractInrecentyears,newadvancesindeeplearningandreinforcementlearninghaveaddressedseveralchallengesincombiningthesetwotechniquesandbroughtdeepreinforcementlearninggreatsuccess.Deepreinforcementlearningalgorithmshavebothstronggenera
7、lizationandfeatureextractionabilitiesandtheabilitytobootstraptask-solvingpolicies.Recentworkshowsthatdeepreinforcementlearningagentscanevenoutperformhumansinseveralcontroltasks.However,limitationsstillexist.Intermsofthedepthperspective,existingalgorithmsgenerallyfailinlearningmultiple
8、tasks
