近日，日本情报通信研究机构(NICT)研究人员通过引入混沌振荡超快时间序列的时分复用，证明了一种可扩展的、流水线化的解决多臂赌博机（Multi-armed Bandit）的原理。并给出了多达64臂赌博问题的实验证明。该研究成果以" Scalable photonic reinforcement learning by time-division multiplexing of laser chaos "为题发表在7月18号出版的《Scientific Reports》上。

强化学习涉及动态和不确定环境下的决策，是人工智能的重要组成部分。以前的工作中，实验证明了激光的超快混沌振荡动力学可以有效地解决双臂赌博机（Two-armed Bandit）问题，这就需要对一种叫做探索-利用困境（Exploration-exploitation Dilemma）的困难权衡做出决策。然而，在这项研究中只使用了两种选择，因此，应该澄清激光混沌强化学习的可扩展性。在本研究中，作者通过引入混沌振荡超快时间序列的时分复用，证明了一种可扩展的、流水线化的解决多臂赌博机的原理。并给出了激光混沌时间序列明显优于准周期信号、计算机生成的伪随机数和有色噪声的多达64臂赌博问题的实验证明。详细分析了在不同物理条件下产生的激光混沌信号的性能比较，这与时间序列固有扩散性是一致的。本研究利用光波的超高带宽和实用的辅助技术，为超快强化学习铺平了道路。

基于激光混沌的可扩展强化学习体系结构

微信分享

x

用微信扫描二维码
分享至好友和朋友圈

网站内容来源于互联网、原创，由网络编辑负责审查，目的在于传递信息，提供专业服务，不代表本网站及新媒体平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的，请在 20个工作日内与我们取得联系，联系方式：021-80198330。网站及新媒体平台将加强监控与审核，一旦发现违反规定的内容，按国家法规处理，处理时间不超过24小时。