ترجمه فارسی مقاله یک رویکرد نش هندسی در تنظیم نرخ یادگیری در الگوریتم یادگیری Q

چکیده

This paper proposes a geometric approach for estimating the $α$ value in Q learning. We establish a systematic framework that optimizes the α parameter, thereby enhancing learning efficiency and stability. Our results show that there is a relationship between the learning rate and the angle between a vector T (total time steps in each episode of learning) and R (the reward vector for each episode). The concept of angular bisector between vectors T and R and Nash Equilibrium provide insight into estimating $α$ such that the algorithm minimizes losses arising from exploration-exploitation trade-off.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک رویکرد هندسی برای برآورد ارزش α $ $ در یادگیری Q ارائه شده است.ما یک چارچوب سیستماتیک ایجاد می کنیم که پارامتر α را بهینه می کند ، در نتیجه باعث افزایش کارایی و ثبات یادگیری می شود.نتایج ما نشان می دهد که بین میزان یادگیری و زاویه بین یک بردار t (مراحل کل زمان در هر قسمت از یادگیری) و R (بردار پاداش برای هر قسمت) رابطه ای وجود دارد.مفهوم دوقلو زاویه ای بین بردارهای T و R و تعادل NASH بینشی در مورد تخمین α α $ به گونه ای فراهم می کند که الگوریتم ضررهای ناشی از تجارت اکتشافی را به حداقل می رساند.